差分隱私

深度分析

多伺服器安全多方計算結合差分隱私的垂直聯邦學習框架

在垂直聯邦學習中，特徵分散於多客戶端且標籤不共享。研究者將聚合者拆分至多伺服器，利用安全多方計算與差分隱私保護模型與特徵聚合，並提出支援全域與全域‑本地更新的優化協議，顯著減少計算與通訊負擔，實驗證實其效能與隱私保護能力。