arXiv · ML· Keiyu Nosaka, Yamato Suetake, Yuichi Takano, Yukihiko Okada, Akiko Yoshise·· 2026-10-05AI 评分23
几何数据扰动与噪声锚点对齐在隐私保护协同学习中的应用
Geometric Data Perturbation with Noisy-Anchor Alignment for Privacy-Preserving Collaborative Learning
AI 导读
该研究提出一种基于几何数据扰动与噪声锚点对齐的方法,用于隐私保护的协同学习。 在分析者-参与者合谋攻击下,对锚点表示添加噪声可将已知锚点的变换恢复转化为带噪声的估计问题,且能保留较高的下游准确率。
来源:arXiv · ML · arxiv.org