arXiv ID:
2605.19813
arXiv 提交日期: 2026-05-19
具有任意公共交互记录的差分隐私联邦学习的通用下界 / General Lower Bounds for Differentially Private Federated Learning with Arbitrary Public-Transcript Interactions
1️⃣ 一句话总结
该论文为联邦学习中的隐私保护参数估计问题(如均值、线性回归等)建立了一个通用数学下界,证明无论算法在客户端间如何交互、重复使用数据,只要满足严格的差分隐私约束,其估计精度的提升都存在一个不可避免的理论上限。