异构环境下基于目标扰动的群智感知隐私保护策略
蒋伟进1
王海娟2
李一骁1
蒋意容3
1.湖南工商大学,湖南长沙 410205;湘江实验室,湖南长沙 4102052.湖南工商大学,湖南长沙 410205;国防科技大学,湖南长沙 4102053.湖南信息学院艺术学院,湖南长沙 410151
摘要：联邦学习架构下的移动群智感知用户存在隐私泄露风险,现有基于差分隐私的方案在梯度裁剪过程中会引起本地模型训练精度的缺失,这种现象在异构环境中表现尤为不佳.为了解决上述问题,本文首先采用联邦随机主成分分析法对数据进行降维处理;随后,将经过Rényi-差分隐私扰动后的目标函数替代梯度进行更新.然后,引入Bregman散度作为正则化项更新损失函数,约束本地模型与全局模型的偏离.实验结果表明,本文所提出的方法与现有几种方法相比具有更高的准确性和收敛精度.
关键词：移动群智感知隐私保护Rényi-差分隐私异构
论文发表日期：2025-11-30
在线出版日期：2025-12-29（本平台首次上网日期，不代表文献的发表时间）
页数：12( 2374-2385 )
英文信息