| 论文名字 | Differentially Private Learning with Adaptive Clipping | ||
| 来源 | |||
| 年份 | 2019 | ||
| 作者 | Galen Andrew, Om Thakkar, H. Brendan McMahan, Swaroop Ramaswamy | ||
| 核心点 | 提出对更新的范数的自适应裁剪方法 | ||
| 阅读日期 | 2021.3.30 | ||
| 影响因子 |
| ||
| 页数 | 10 | ||
| 引用数 |
| ||
| 引用 |
| ||
| 内容总结 | |||
| 文章主要解决的问题及解决方案： 解决固定clip裁剪问题。
文章的主要工作： 1、提出一种在DP Federated Averaging中，对更新的范数的自适应裁剪方法，消除了调整裁剪超参数的需要。 2、原理推导：
假设有X中的m个样本，平均loss为：
3、将上述推论用于DPFedAvg中：体现在伪代码中就是红色部分
文章内容：
实验结果：
附录：
参考文献：
| |||
