Hao Liang

已撤稿论文分析无线联邦学习中的差分隐私

这篇题为“当差分隐私遇上无线联邦学习：隐私与收敛性的改进分析”的论文已被作者Hao Liang撤回。该研究旨在解决现有差分隐私无线联邦学习（DPWFL）框架的局限性，特别是在严格假设下的隐私损失特征化和收敛性分析方面。作者提出了对具有非凸损失目标的DPWFL进行全面分析，包括设备选择和mini-batch采样，并旨在证明隐私损失可以收敛到一个常数。该工作还旨在建立具有梯度裁剪的收敛保证，并推导出明确的隐私-效用权衡，数值结果验证了理论发现。