异构量化下的信息论安全聚合方案
热点事件持续更新
异构量化下的信息论安全聚合方案
1 篇报道1 个报道来源14 小时前更新
先了解这件事
AI 综述
研究者 Shreya Meel 提出一种面向联邦学习的异构量化信息论安全聚合方案。其称，当客户端因带宽差异采用不同量化级数时，现有安全聚合方案会泄露部分聚合结果乃至单个客户端模型更新的片段；新方案旨在防止这一泄露。 该方案可容忍客户端掉线，并抵御最多 T 个半诚实客户端相互串通及与服务器串通。其采用 (T+1, N) 阈值黑盒秘密共享构造：尽管客户端更新因量化不同而属于不同代数群，其秘密份额仍由相同的线性整数系统生成。上述安全效果均为研究者自述，尚未见独立验证。
AI 根据报道生成 · 3 小时前更新
最新进展10月27日 01:51
异构量化下信息论安全的联邦学习安全聚合方案报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv 隐私论文异构量化下信息论安全的联邦学习安全聚合方案
针对客户端因带宽差异采用不同量化级数时，现有安全聚合方案会泄露部分聚合结果乃至单个客户端模型更新的片段，研究者提出一种信息论安全聚合方案。该方案可容忍客户端掉线，并抵御最多 T 个半诚实客户端与服务器串通，采用 (T+1, N) 阈值黑盒秘密共享构造，使分属不同代数群的更新秘密份额由相同的线性整数系统生成。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 710月27日 14:00
- 近 24 小时变化
- –
02468
14:0015:0016:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。