摘要： 聯(lián)邦學習(Federated learning, FL)作為一種安全的分布式機器學習技術(shù)，允許各參與方通過分布式合作訓練一個優(yōu)于各方單獨訓練的全局模型，而無須共享本地數(shù)據(jù)。大量研究表明，聯(lián)邦學習機制仍存在安全泄露的風險，差分隱私技術(shù)被廣泛應用于聯(lián)邦學習來實現(xiàn)參與方的隱私保護。針對現(xiàn)有基于差分隱私的聯(lián)邦學習方案在數(shù)據(jù)效用和數(shù)據(jù)隱私之間難以達到良好權(quán)衡的問題，提出一種基于用戶級差分... （共8頁）