Samplable Anonymous Aggregation for Private Federated Data Analysis

要約

各デバイスがプライベート データを保持している場合に、プライベート統計とプライベート フェデレーテッド ラーニングのためのスケーラブルなプロトコルを設計するという問題を再検討します。
私たちの最初の貢献は、一般的に使用されるいくつかのアルゴリズムの効率的な実装を可能にし、それに伴う強い信頼の仮定を必要とせずに、中央設定に近いプライバシー アカウンティングを可能にする単純なプリミティブを提案することです。
次に、このプリミティブを実装するシステム アーキテクチャを提案し、提案されたシステムのセキュリティ分析を実行します。

要約(オリジナル)

We revisit the problem of designing scalable protocols for private statistics and private federated learning when each device holds its private data. Our first contribution is to propose a simple primitive that allows for efficient implementation of several commonly used algorithms, and allows for privacy accounting that is close to that in the central setting without requiring the strong trust assumptions it entails. Second, we propose a system architecture that implements this primitive and perform a security analysis of the proposed system.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google