提出联邦DP低秩预条件优化框架

研究人员Antti Koskela、Tejas Kulkarni和Elias Raninen发布了论文《Federated Differentially Private Optimization via Low-Rank Preconditioning》，正式提出联邦差分隐私PCA框架。 该框架通过差分隐私秩选择、幂迭代及低维子空间噪声协方差发布机制，在安全聚合下实现了线性通信成本的中心差分隐私保证。 此设计解决了现有方法中通信成本随数据维度二次增长的技术瓶颈，实证结果显示其在较低通信开销下性能与高成本基准相当。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。