在 DP-FedAvg 中截取客户的更新
Clipping of clients' updates in DP-FedAvg
在提出算法 DP-FedAvg 的论文 Learning differentially private recurrent language models 中，客户端更新的剪辑似乎发生在客户端。每个客户端剪辑他的本地更新，然后 returns 已经剪辑的更新返回到服务器。
然而，在另一篇论文 Advances and open problems in federated learning 中，似乎服务器是剪辑更新的服务器。该论文在第 48 页说，
“使用这种技术，服务器剪辑单个更新的 L2 范数，聚合剪辑的更新，然后将高斯噪声添加到聚合中”。
TFF 中遵循的是哪个过程？谁在执行剪辑？
TFF 中没有任何固有的东西可以阻止您提到的任何一个选项；两者都可以实现。
如果您询问了具体的可用 API，那么 tff.aggregators.DifferentiallyPrivateFactory.gaussian_fixed 在聚合值之前创建聚合器，将剪裁应用到客户端 的固定规范 。
在提出算法 DP-FedAvg 的论文 Learning differentially private recurrent language models 中，客户端更新的剪辑似乎发生在客户端。每个客户端剪辑他的本地更新，然后 returns 已经剪辑的更新返回到服务器。
然而，在另一篇论文 Advances and open problems in federated learning 中，似乎服务器是剪辑更新的服务器。该论文在第 48 页说，
“使用这种技术，服务器剪辑单个更新的 L2 范数，聚合剪辑的更新，然后将高斯噪声添加到聚合中”。
TFF 中遵循的是哪个过程？谁在执行剪辑？
TFF 中没有任何固有的东西可以阻止您提到的任何一个选项；两者都可以实现。
如果您询问了具体的可用 API，那么 tff.aggregators.DifferentiallyPrivateFactory.gaussian_fixed 在聚合值之前创建聚合器，将剪裁应用到客户端 的固定规范 。