OFPP-GAN: شبكة حماية شخصية فدرالية من نوع واحد – الشبكة التنافسية التوليدية

أظهرت تقنيات الخصوصية التفاضلية أداءً ممتازًا في حماية المعلومات الحساسة خلال تدريب نموذج GAN. ومع ذلك، مع تزايد الاهتمام بقضايا خصوصية البيانات، أصبح ضمان جودة عالية لمخرجات النماذج التوليدية وكفاءة التعلم الفيدرالي أثناء حماية الخصوصية تحديًا ملحًا. لمعالجة هذه القضايا، تقترح هذه الورقة شبكة حماية شخصية فدرالية من نوع واحد – الشبكة التنافسية التوليدية (OFPP-GAN). أولاً، تعتمد هذه الخطة على الخصوصية التفاضلية المخصصة المزدوجة لتحقيق حماية الخصوصية. تقوم بضبط مقياس الضوضاء وعتبة القطع بناءً على تغييرات التدرج أثناء تدريب النموذج بطريقة مخصصة، مما يعزز أداء النموذج التوليدي مع حماية الخصوصية. بالإضافة إلى ذلك، تعتمد الخطة نموذج التعلم الفيدرالي من نوع واحد، حيث يقوم كل عميل بتحميل نموذجهم المحلي الذي يحتوي على معلومات خاصة مرة واحدة فقط طوال عملية التدريب. هذه الطريقة لا تقلل فقط من مخاطر تسرب الخصوصية ولكن تقلل أيضًا من عبء الاتصال على النظام بأكمله. أخيرًا، نقوم بالتحقق من فعالية الطريقة المقترحة من خلال التحليل النظري والتجارب. بالمقارنة مع الأساليب الحالية، يُظهر النموذج التوليدي المدرب باستخدام OFPP-GAN أمانًا وكفاءة ومرونة فائقة.