自由のためのプライバシー:適応電力制御を用いた非符号化伝送による無線連合学習【JST・京大機械翻訳】

Liu Dongzhu; Simeone Osvaldo

プレプリント

J-GLOBAL ID：202202216894855654 整理番号：21P0034895

自由のためのプライバシー:適応電力制御を用いた非符号化伝送による無線連合学習【JST・京大機械翻訳】

Privacy For Free: Wireless Federated Learning Via Uncoded Transmission With Adaptive Power Control

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2020年06月09日プレプリントサーバーでの情報更新日： 2021年10月11日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

連合学習(FL)は,共通の学習タスクのための訓練中に,参加型デバイス間の直接生データ交換を回避する分散プロトコルを参照する。この方法で,FLは通信により漏洩される局所データセットに関する情報を潜在的に低減できる。しかし,形式的プライバシー保証を提供するためには,付加的マスキング機構を置く必要がある。FLを非符号化伝送を介して無線システムに実装すると,チャネル雑音はプライバシー誘導機構として直接作用できる。本論文では,差動プライバシー(DP)を介して測定したプライバシー制約レベルが,信号対雑音比(SNR)とともに減少する閾値以下であることを実証し,非符号化伝送は,学習性能に影響することなくプライバシー「自由」を実現する。より一般的に,本研究では,プライバシーと電力制約の下で学習最適性ギャップを最小化する目的で,無線FLにおける分散勾配降下のための適応電力割当(PA)を研究した。直交多重アクセス(OMA)と非直交多重アクセス(NOMA)伝送を”オーバー-空気-計算”で研究し,オフライン最適化設定のために閉形式で解を得た。さらに,発見的オンライン法を提案して,反復1段階先頭最適化を利用した。動的PAの重要性とOMAに対するNOMAの潜在的利点を広範なシミュレーションを通して実証した。【JST・京大機械翻訳】

, , , , , , ,
, , , , , , , 【Automatic Indexing@JST】

データ保護

, , , , ,

前のページに戻る