利用 Sketching 增强联邦学习的隐私

研究提出用 Sketching 算法增强联邦学习隐私，原型在三个代表性学习模型上的初步结果显示，可在不牺牲性能或准确率的情况下提供强隐私保证。联邦学习虽将数据留在本地，但共享的模型更新仍可能泄露体重、身高等私人信息；现有方法常在性能（尤其通信成本）、准确率或隐私之间取舍。