Toward verifiably private learning from federated data
该论文介绍了一种新一代联邦学习（FL）系统，目标是解决早期 FL 部署中的运营难题，并首次提供可被外部验证的中心化差分隐私（DP）保证，同时改善隐私与效用之间的权衡。系统基于可信执行环境（TEE）构建：设备使用由 TEE 托管的密钥管理服务
#privacy-engineering
共收录 2 条相关情报。
← 返回所有主题Empirical Analysis of Randomness Quality in Differential Privacy Mechanisms
该论文针对差分隐私（Differential Privacy, DP）实现中一个长期被理论讨论但缺乏实证的问题展开研究：DP 的隐私保证建立在「噪声源足够随机」这一前提之上，但现实中随机数发生器（RNG）的熵退化究竟会对 DP 机制产生多大