研究人员开发了DP-Hype，一种结合了差分隐私的联邦超参数搜索新算法。该方法允许联邦学习设置中的客户端通过基于本地评估的投票机制集体选择超参数，从而确保多数支持的折衷方案。DP-Hype保证了客户端级别的差分隐私，而不依赖于超参数的数量，并提供了效用界限，即使在隐私预算很小的情况下也能证明其有效性。 AI
影响 通过实现安全的超参数调整来增强联邦学习中的隐私。
排序理由 该集群包含一篇详细介绍联邦学习新算法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →