联邦学习论文阅读:Secure Federated Matrix Factorization

本文介绍了一种使用同态加密的联邦学习矩阵分解算法,旨在增强用户数据隐私。在标准的横向联邦框架下,用户向量在本地训练,仅上传加密的梯度更新,服务器进行聚合,确保数据安全性。实验证实在MovieLens数据集上的性能,关注点在于加密操作的时间消耗。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

这是六月刚刚挂上arXiv的文章,杨老师学生的工作

link
代码

摘要

这篇文章提出了联邦化的矩阵分解算法,作者发现传梯度也会泄露信息,所以利用同态加密来进一步保证用户数据的隐私性。

框架

基本框架和federated collaborative filtering那篇文章是一样的:一个标准的横向联邦框架,user vector保留在本地训练,只上传加密后的更新梯度,服务器进行汇总,然后训练product vector。区别是用了同态加密算法进行加密操作。
在这里插入图片描述

算法

在这里插入图片描述

实验

在一个公开的真实数据集MovieLens上做的实验,评价指标是消耗的时间。虽然HE不会影响准确率,但个人认为还是应该做一下收敛速率和准确率的验证实验。
在这里插入图片描述
在这里插入图片描述

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值