与DP FedAvg联合的TensorFlow中的每个示例剪辑

我试图使用EMNIST数据集训练一个差异私有的联邦模型，我将

DP查询

附加到

aggregation\u过程

。此外，我使用

SGD

作为客户端和服务器优化器，将服务器学习率设置为1，从而与

DP-FedAvg

算法类似

查询是：

dp_query = tff.utils.build_dp_query(
    clip=0.6
    noise_multiplier=1.2,
    expected_total_weight=100,
    adaptive_clip_learning_rate=0,
    target_unclipped_quantile=0.5,
    clipped_count_budget_allocation=0.1,
    expected_clients_per_round=100
)

此查询执行哪种类型的剪裁，是批剪裁还是按示例剪裁

在

TFP

中，使用每个示例剪辑的选项是将

num_microbatches

设置为

None

，因此默认为

batch_大小

---

如何在联邦设置中执行类似操作，并在批处理剪裁和每个示例剪裁之间切换？

DPQuery只指定如何剪裁，而不指定剪裁的内容。在联合上下文中，整个客户端更新都被剪裁。可以说，每个客户端的更新功能类似于集中式（非联邦）上下文中的微批处理。这提供了强大的“用户级”DP保证。将客户端分组为“客户端微批次”不会有太大用处。

您可能需要查看

tff.aggregators.differentilyprivateFactory.gaussian\u fixed

，这是一种使用您正在使用的选项构建聚合过程的更简单方法。