Tensorflow Federated（本地 DP）中的客户端级差分隐私
Client level differential privacy in Tensorflow Federated (Local DP)
我想用TFF实现本地DP模型，也就是说，每个客户端训练自己的差分隐私模型并向服务器发送噪声梯度，而服务器只是以标准的FL方式聚合和分发。我尝试将客户端优化器更改为 keras DP 优化器，但这没有用。任何建议表示赞赏。
首先，或许可以查看 Differential Privacy in TFF 教程，其中介绍了如何在 TFF 中进行中央 DP 训练。一旦你理解了这一点，我可以看到两种不同的方法来改变它以提供一些本地 DP 保证。
- 看看
tff.learning.dp_aggregator is implemented. Instead of the pre-packaged tff.aggregators.DifferentiallyPrivateFactory, instantiate it with a tfp.DPQuery对象是如何实现你感兴趣的本地DP机制的，也许你需要的实现已经存在于某处。
- 完全按照您的需要从头开始实施自定义聚合器。请参阅 Implementing Custom Aggregations 教程作为起点。
我想用TFF实现本地DP模型，也就是说，每个客户端训练自己的差分隐私模型并向服务器发送噪声梯度，而服务器只是以标准的FL方式聚合和分发。我尝试将客户端优化器更改为 keras DP 优化器，但这没有用。任何建议表示赞赏。
首先，或许可以查看 Differential Privacy in TFF 教程，其中介绍了如何在 TFF 中进行中央 DP 训练。一旦你理解了这一点，我可以看到两种不同的方法来改变它以提供一些本地 DP 保证。
- 看看
tff.learning.dp_aggregatoris implemented. Instead of the pre-packagedtff.aggregators.DifferentiallyPrivateFactory, instantiate it with atfp.DPQuery对象是如何实现你感兴趣的本地DP机制的，也许你需要的实现已经存在于某处。 - 完全按照您的需要从头开始实施自定义聚合器。请参阅 Implementing Custom Aggregations 教程作为起点。