实体
coordinate-wise trimmed-mean
coordinate-wise trimmed-mean
PulseAugur coverage of coordinate-wise trimmed-mean — every cluster mentioning coordinate-wise trimmed-mean across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
新框架增强联邦学习的隐私和鲁棒性
研究人员开发了一个名为 DP-BR-FedAvg 的新框架，以增强银行和医疗保健等敏感行业的联邦学习的安全性和隐私性。该框架结合了使用高斯机制的差分隐私和拜占庭鲁棒聚合规则，特别是逐坐标修剪平均法。评估表明，与标准的 FedAvg 相比，DP-BR-FedAvg 在模型性能和对抗攻击的鲁棒性方面得到了显著提升，同时还限制了隐私损失。
-
新的联邦学习框架增强了敏感数据的隐私和鲁棒性
研究人员开发了一个新的联邦学习框架 DP-BR-FedAvg，旨在增强银行和医疗保健等行业的跨机构模型训练的安全性与隐私性。该框架集成了使用高斯机制的差分隐私层和拜占庭鲁棒聚合规则，特别是坐标修剪平均值。在涉及二十个客户端、六十轮的模拟中，其中四分之一提交了对抗性更新，DP-BR-FedAvg 在性能上优于标准 FedAvg，在限制隐私损失的同时恢复了更多信号。研究还强调了隐私和鲁棒性机制之间复杂的相互作用，表明为受监管的对抗性环境设…