无蜂窝MIMO差分隐私OTA联邦学习新设计
热点事件持续更新
无蜂窝MIMO差分隐私OTA联邦学习新设计
1 篇报道1 个报道来源12 小时前更新
先了解这件事
AI 综述
Manobendu Sarker 提出一种面向无蜂窝大规模 MIMO 网络的差分隐私空中联邦学习跨层设计方案，利用无线接收热噪声作为隐私掩蔽资源，以减少甚至免除人工噪声。 该方案以逐用户零集中差分隐私约束下最小化聚合方差为目标，联合优化接入点与用户关联、发射功率及人工噪声方差，并采用交替优化求解。数值结果显示，聚合方差较基线最多降低 89%，MNIST 测试准确率达 97%，CIFAR-10 上也有稳定增益。
AI 根据报道生成 · 43 分钟前更新
最新进展10月27日 23:37
无蜂窝大规模 MIMO 系统中基于用户中心聚类的隐私保护空中联邦学习报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv 隐私论文无蜂窝大规模 MIMO 系统中基于用户中心聚类的隐私保护空中联邦学习
该论文研究无蜂窝大规模 MIMO 网络下差分隐私联邦学习的跨层设计，利用无线接收热噪声作为隐私掩蔽资源，减少甚至免除人工噪声。作者以逐 UE 零集中差分隐私约束下最小化聚合方差为目标，联合优化 AP-UE 关联、发射功率与人工噪声方差，并用交替优化求解。数值结果显示聚合方差较基线最多降低 89%，MNIST 测试准确率达 97%，CIFAR-10 上亦有稳定增益。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。