Secure Embedding Aggregation for Federated Representation Learning

要約

タイトル：Federated Representation Learningのためのセキュアな埋め込み集約

要約：

– Federated Representation Learningフレームワークについて研究している。
– セントラルサーバーの支援を得て、$N$個の分散クライアントが各自のプライベートデータに基づいて共同で、エンティティ（例：ソーシャルネットワーク上のユーザー）の表現（または埋め込み）をトレーニングする。
– このフレームワークにおいて、すべてのクライアントによるローカルな埋め込みの集約が重要なステップであるため、その集計を提供するセキュアな埋め込み集約プロトコル「\scheme」を開発した。
– \schemeは、悪意のあるサーバーや$T < N/2$の共謀クライアントに対して、各クライアントでのローカルエンティティとそれに対応する埋め込みのプライバシー保証を提供しながら、すべてのクライアント間の可能な集計機会を最大限に利用する。

要約(オリジナル)

We consider a federated representation learning framework, where with the assistance of a central server, a group of $N$ distributed clients train collaboratively over their private data, for the representations (or embeddings) of a set of entities (e.g., users in a social network). Under this framework, for the key step of aggregating local embeddings trained privately at the clients, we develop a secure embedding aggregation protocol named \scheme, which leverages all potential aggregation opportunities among all the clients, while providing privacy guarantees for the set of local entities and corresponding embeddings \emph{simultaneously} at each client, against a curious server and up to $T < N/2$ colluding clients.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI