Publications

OTHERS (DOMESTIC) 連合学習におけるローカル差分プライバシーメカニズムのハイパーパラメータ調整に関する一考察

前田 若菜, 長谷川 聡, 髙橋 翼

第15回データ工学と情報マネジメントに関するフォーラム(第21回日本データベース学会年次大会) (DEIM 2023)

March 05, 2023

ローカル差分プライバシー (LDP) を満たす連合学習では,モデルの更新情報に対してノイズを加算するメカニズム (LDP メカニズム) を各クライアントに導入する.このとき,LDP メカニズムでは,モデルの更新情報のノルムをある定数以下に制限した上で,この定数 (クリップサイズ) を考慮したノイズの加算が求められる.クリップサイズの設定が不適切な場合,ノイズによって学習が発散する,または学習の進行が阻害される,等の不都合が生じることが知られている.本研究では,LDP 下での連合学習を効率よく進行することを目的として,クリップサイズの設定方法や,適応的に変更していく方法に関して,いくつかの実験的な取り組みについて報告する.

Paper : 連合学習におけるローカル差分プライバシーメカニズムのハイパーパラメータ調整に関する一考察open into new tab or window (external link)