如何在联邦学习中的客户举重中添加噪音（差异隐私）？

Question

我想在客户端的梯度中添加噪音。我修改了 tf.keras.optimizers.adam（） dpkerasadamoptimizer（），但它不起作用。

    iterative_process = tff.learning.build_federated_averaging_process(
        model_fn=Create_tff_model,
        client_optimizer_fn=lambda: DPKerasAdamOptimizer(1,1.85))

错误是

AssertionError: Neither _compute_gradients() or get_gradients() on the differentially private optimizer was called. This means the training is not differentially private. It may be the case that you need to upgrade to TF 2.4 or higher to use this particular optimizer.

我可以使用 tff.learning.model_update_aggregator.dp_aggregator（noings_multiplier，client_per_round） 添加噪声，但是如何在客户端上添加噪声？

Answer 1

首先，看看教程 tff.learning.dp_aggregator 。

如果您想自定义机制的详细信息，则可以查看如何实现 dp_aggregator ，特别是 tff.aggregators.differentiallyprivateFactory 被TensorFlow Privacy参数化对象，或编写a 自定义聚合器来自scratch。

请注意，使用 dpkerasadamoptimizer 作为客户端优化器可能不是正确的路径，因为通常有趣的部分是将数据留下的任何数据私有化，但是客户端的中间步骤并不重要。