Age Aware Scheduling for Differentially-Private Federated Learning

要約

この論文では、時変データベースにわたる差分プライベート連合学習 (FL) を調査し、年齢、精度、差分プライバシー (DP) を含む微妙な 3 方向のトレードオフを詳しく掘り下げます。
スケジューリングの潜在的な利点を強調し、集約モデルと DP 制約なしで取得されたモデルとの間の損失の差を最小限に抑えながら、DP 要件を満たすことを目的とした最適化問題を提案します。
スケジューリングの利点を活用するために、年齢に依存した損失の上限を導入し、年齢を意識したスケジューリング設計の開発につながります。
シミュレーション結果は、スケジューリングを設計要素として考慮しない古典的な DP を使用した FL と比較して、提案したスキームのパフォーマンスが優れていることを強調しています。
この研究は、フェデレーテッド ラーニングにおける年齢、精度、DP の相互作用に関する洞察に貢献し、スケジューリング戦略に実際的な意味をもたらします。

要約(オリジナル)

This paper explores differentially-private federated learning (FL) across time-varying databases, delving into a nuanced three-way tradeoff involving age, accuracy, and differential privacy (DP). Emphasizing the potential advantages of scheduling, we propose an optimization problem aimed at meeting DP requirements while minimizing the loss difference between the aggregated model and the model obtained without DP constraints. To harness the benefits of scheduling, we introduce an age-dependent upper bound on the loss, leading to the development of an age-aware scheduling design. Simulation results underscore the superior performance of our proposed scheme compared to FL with classic DP, which does not consider scheduling as a design factor. This research contributes insights into the interplay of age, accuracy, and DP in federated learning, with practical implications for scheduling strategies.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google