本文探讨了无线网络中使用图神经网络进行隐私保护的分布式推理，涉及信号优化、性能分析、SNR-隐私权衡以及增强的训练算法。文章详细描述了如何通过Aircomp技术提升性能和隐私保护，并展示了仿真结果。
《Privacy-Preserving Decentralized Inference With Graph Neural Networks in Wireless Networks》part1
博士申请的技术面试，需要针对该论文做一个presentation。个人对这个方向和内容很感兴趣，也觉得这篇文章内容很不错，所以分享以互相交流。
无线网络中基于图神经网络的隐私保护分散推理
系统模型 - B. Optimal Solution for Problem
基于上述分析，第一次迭代的信号设计的优化问题可以表述如下
收到以下约束：
为了解决这个问题，首先，需要将第一个约束（对齐的幅度）转化为更容易处理的形式。然后，我们将讨论并推导出 ϵ*v 在不同范围内时的最优解。
因为第一个约束中， α u v u ∈ N ( v ) {α_{uv}}_{u∈N(v)} αuvu∈N(v)和 C v C_v Cv的值之间存在一一对应关系,所以针对第二个约束，可以得到
所以第一次迭代的信号设计的优化问题可以更新为：
而针对两个约束，我们可以得到
又因为 ρ v ≤ ϵ v ∗ 2 / ( 8 l n 1.25 / δ ) ρ_v≤ϵ^{∗2}_v/(8ln{1.25/δ}) ρv≤ϵ
最低0.47元/天 解锁文章
扫一扫
1204
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
