论文阅读：DP-FL: a novel differentially private federated learning framework for the unbalanced data

论文名字	DP-FL: a novel differentially private federated learning framework for the unbalanced data
来源	World wide web (2020)
年份	2020
作者	Xixi Huang, Ye Ding, Zoe L. Jiang, ·Shuhan Qi, ·Xuan Wang, Qing Liao
核心点	针对unbalance data的DP的噪声的动态调整
阅读日期	2021.7.5
影响因子
页数	17
引用数
引用
内容总结
文章主要解决的问题及解决方案： 1、unbalance data需要不一样的噪声，一方面为了防止在较少数据的客户端中，大噪声造成模型不可用，另一方面为了防止在较多数据的客户端中，噪声添加不够，没有起到隐私保护的作用。 文章的创新点： 1、自动调整的噪声，主要是控制和的值。用于计算噪声的梯度，用于选择最佳的步长。