Fed-IGTD

联邦学习框架实现隐私保护的表格到图像编码

研究人员开发了Fed-IGTD，一个利用联邦学习实现表格到图像编码的新型框架，无需集中敏感数据。该方法允许多个客户端通过仅共享本地统计数据来协同训练模型，服务器利用这些统计数据来重建全局相关矩阵并训练卷积神经网络。研究探讨了两种差分隐私机制，一种保护相关性聚合，另一种采用DP-FedAvg，发现映射构建过程中的隐私保护对性能影响很小，而DP-FedAvg在客户端数量少和隐私预算适中的情况下会显著降低效用。