速報
Sherpa.ai多方PSU協議:為垂直聯邦學習隱藏交集隱私的對齊方案
垂直聯邦學習需在各方持有互補特徵時完成樣本對齊而不暴露誰與誰是共有樣本。傳統私有集合交集(PSI)會洩漏交集成員,Sherpa.ai提出多方私有集合聯合(PSU)協議,以並集方式隱藏交集關係,並同時支援精確與容錯(鍵入/格式差異)比對。
速報
垂直聯邦學習需在各方持有互補特徵時完成樣本對齊而不暴露誰與誰是共有樣本。傳統私有集合交集(PSI)會洩漏交集成員,Sherpa.ai提出多方私有集合聯合(PSU)協議,以並集方式隱藏交集關係,並同時支援精確與容錯(鍵入/格式差異)比對。
深度分析
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。