{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期-部件”：[[2024,5,23]]，“日期-时间”：“2024-05-23T05:07:39Z”，“时间戳”：1716440859359}，“引用-计数”：29，“发布者”：“MDPI AG”，“问题”：“9”，“许可证”：[{“开始”：{-“日期-部分”：[2022,9,14]]，“时间”：2-09-14T00:00:00Z“，”时间戳“：166311360000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https:\/\/creativecommons.org\/licenses\/by\/4.0\/”}]，“内容域”：{“域”：[]，“crossmark-restriction”：false}，“short-container-title”：[“熵”]，“抽象”：“在分布式机器学习（DML）中，虽然客户端\u2019数据没有直接传输到服务器进行模型训练，但攻击者可以通过分析客户端上传的局部梯度参数来获取客户端的敏感信息。对于这种情况，我们使用差异隐私（DP）机制来保护客户端\u2019本地参数。本文从信息理论的角度，借助DP机制研究了DML中的效用\u2013隐私权衡。具体来说，考虑了三种情况，包括独立客户端\u2019局部参数具有独立DP噪声，依赖客户端\u209局部参数带有独立DP噪声。互信息和条件互信息分别用于描述效用和隐私。首先，我们展示了三种情况下效用和隐私之间的关系。然后，我们给出了在一定隐私水平下实现最大效用的最优噪声方差。最后，数值结果进一步说明了本文的结果<\/jats:p>“，”DOI“：”10.3390\/e24091299“，”type“：”journal-article“，”created“：{”date-parts“：[2022,9,15]]，”date-time“：”2022-09-15T00:50:45Z“，”timestamp“：1663203045000}，”page“：卷“：”24“，”作者“：[{”given“：”Xia“，”family“：”Zeng“，”sequence“：”first“，”affiliation“：[]}，”{“given”：”川川“，”家庭“：”Yang“，“sequence”：”additional“，”filiation”：[]{“ORCID”：“http://\/ORCID.org\/00000-0003-3507-1901”，“authenticated-ORCID”：false，“givent”：“Bin”，“family”：“Dai”，“se序列”：“additional”，“affiliance”：[]，“member”：“1968”，“在线发布”：{date-parts“：[[2022,9,14]]}，”reference“：[{”key“：”ref1“，”doi-asserted-by“：”publisher“，”doi“：”10.1016\/J.ENG.2016.02.008“}，{”key“：“ref2”，“first page”：“327”，“article-title”：“大数据机器学习算法综述”，“volume”：”27“，”author“：”He“，“year”：“2014”，“journal-title“：”Pattern Recognit.Artif.Interl.“}，{“key”：“ref3”，“article-title”：“分布式机器学习平台比较”，“作者”：“Alqahtani”，“年份”：“2017年”，“新闻标题”：“第26届计算机通信与网络国际会议（ICCCN）论文集”}，{“关键”：“参考4”，“首页”：“123”，“文章标题”：《并行机器学习算法基础架构的最新进展》卷：“16”，“作者”：“刘”，“年份”：“2017”，“新闻标题”：“计算”。工程应用。“}，{”key“：”ref5“，”doi-asserted-by“：”publisher“，”doi“：”10.1109\/TMC.2014.2322373“}”，{“key”：”ref6“，”article-title“：”自适应拉普拉斯机制：“深度学习中的差异隐私保护”，“author”：“Phan”，“year”：“2017”，“journal-title”：“数据挖掘国际会议（ICDM）论文集”}，”{“key”：“ref7”，“doi-assert-by”：“”publisher“，”DOI“：”10.1109\/TSP.2020.3009007“}，{“key”：“ref8”，“DOI-asserted-by”：“publisher”，“DOI”：“10.1109\/JSAIT.2021.3053220”}，“key“：”ref9“，”DOI-assert-by“：”publisher，“年份”：“2016年”，“新闻标题”：“ACM SIGSAC计算机和通信安全会议记录“}，{“key”：“ref11”，“article-title”：“Differential Privacy”，“author”：“Dwork”，年：“2006”，“journal-title“：“第33届国际自动化、语言和编程会议记录\u2014卷第二部分”}，}，“key“：”ref12“，”doi-asserted-by“：”crossref“，”doi“：”10.1007\/978-3-540-79228-4_1“，“article-title”：“差异隐私：结果调查”，“author”：“Dwork”，“year”：“2008”，“journal-title“：“计算模型理论与应用国际会议论文集”}，{“key”：“ref13”，“doi-asserted-by”：“crossref”，《doi》：“10.1007\/778-3642-00457-5_29”The Differential Privacy Frontier”，“author”：“Dwork”，“year”：“2009”，“journal-title”：“密码学理论会议论文集”}，{“key”：“ref14”，“doi-sserted-by”：“publisher”，”doi“：“10.1145\/1866739.1866758”}、{“密钥”：“ref15”，“doi-ssertd-by”：“crossref”《不同隐私的承诺：算法技术教程》，“作者”：“Dwork”，“年份”：“2011年”，“新闻标题”：“IEEE 2011年第52届计算机科学基础年会论文集”}，{“key”：“ref16”，“doi-asserted-by”：“crossref”，《doi》：“10.1145\/1536414.1536466”，“article-title”：“不同隐私与稳健统计”，“author“：”Dwork“，”year“：”2009“，”journal-title“：”第41届ACM计算机理论研讨会论文集，STOC“}，{”key“：”ref17“，”article-title”：“改进差分隐私的高斯机制：分析校准和最佳去噪”，“author”：“Balle”，“year”：“2018”，“journal-title”“：”机器学习国际会议论文集“}，{“key”：“ref18”，“article-title”：“通过差异隐私进行机制设计”，“author”：“Mcsherry”，“year”：“2007”，“journal-title“：“第48届IEEE计算机科学基础研讨会论文集（FOCS\u201907）”}差异隐私：关于效用与信息泄漏之间的权衡”，“作者”：“Alvim”，“年份”：“2011年”，“新闻标题”：“安全与信任形式问题国际研讨会论文集”}，{“key”：“ref20”，“doi-asserted-by”：“crossref”，“doi”：“10.1109”，Allerton.2012.6483382”，“article-title”：“Privacy Against Statistical Inference“，“author”：“Calmon”，“year”：“2012”，“journal-title”：“Allerton Conference on Communication，Control，and Computing（Allerton）第50届年会议论文集”}，{“key”：“ref21”，“article-title“：”差异隐私的下限“，”author“：”De“，”year“：”2011“，”journal-title“第九届国际密码学理论会议论文集“}，{“key”：“ref22”，“doi-asserted-by”：“publisher”，“doi”：“10.1109”\/TIT.2016.2584610第三届密码学理论会议论文集“}，{“key”：“ref24”，“article-title”：“Renyi Differential Privacy”，“author”：“Mironov”，“year”：“2017”，“journal-title“：“Proceedings of the 30th Computer Security Foundations Symposium（CSF）”}，“key“：”ref25“article-titleMironov“，”year“：“2019”，”journal-title“：“arXiv”}，{“key”：“ref26”，“article-title”：“子样本Renyi Differential Privacy and Analytical Moments Accountant”，”author“：”Wang“，”year“：”2019“，”jornal-tittle“：”Proceedings of the 22 International Conference on Artificial Intelligence and Statistics“}，”{“key”：”ref27“，”article-title我们的数据，我们自己：通过分布式噪声产生的隐私”，“作者”：“Dwork”，“年份”：“2006年”，“新闻标题”：“密码学进展国际会议论文集-欧洲密码”}，{“关键”：“参考28”，“文章标题”：《利用协作学习中的无意特征泄漏》，“作者“：“Melis”，“年”：“2019”，“期刊标题”：安全与隐私（SP）研讨会论文集“}，{“key”：“ref29”，“article-title”：“GAN下的深层模型：合作深度学习的信息泄漏”，“author”：“Hitaj”，“year”：“2017”，“journal-title“：“ACM SIGSAC计算机与通信安全会议论文集”}]，“container-titleoriginal-title“：[]，”language“：”en“，”link“：[{”URL“：”https:\/\/www.mdpi.com\/1099-4300\/24\/9\/1299\/pdf“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[2022,9,22]]，”date-time“：“2022-09-22T03:06:28Z”，“timestamp”：1663815988000}，“score”（分数）：1，“resource”（资源）：{“primary”（主资源）：}“URL”（URL）：“https:\/\/www.mdpi.com\/1099-4300\/24\/9\/1299“}}，”副标题“：[]，”短标题“：[]，”已发布“：{”日期部分“：[2022,9,14]]}，“引用计数”：29，“日志发布”：{“发布”：“9”，“发布在线”：{“日期部分”：[2022,9]}}、“替代id”：[“e24091299”]，“URL”：“http://\/dx.doi.org \/10.3390 \/e24091299“，”关系“：{}，”ISSN“：[”1099-4300“]，”ISSN-type“：[{”value“：“1099-4300”，“type”：“electronic”}]，“subject”：[]，“published”：{“date-parts”：[[2022,9,14]]}}