Efficient Federated and Privacy-preserving Machine Learning

Nasirigerdeh, Reza

Informatik 31 - Lehrstuhl für Artificial Intelligence in Healthcare and Medicine (Prof. Rückert)

Back
Back to start of result list
Permanent link for displayed object

If you experience problems opening the document, please try this link.

Original title:: Efficient Federated and Privacy-preserving Machine Learning
Translated title:: Effizientes föderiertes und die Privatsphäre wahrendes maschinelles Lernen
Author:: Nasirigerdeh, Reza
Year:: 2024
Document type:: Dissertation
Faculty/School:: TUM School of Computation, Information and Technology
Institution:: Informatik 31 - Lehrstuhl für Artificial Intelligence in Healthcare and Medicine (Prof. Rückert)
Advisor:: Rückert, Daniel (Prof. Dr.)
Referee:: Rückert, Daniel (Prof. Dr.); Haddadi, Hamed (Prof. Dr.)
Language:: en
Subject group:: DAT Datenverarbeitung, Informatik
TUM classification:: DAT 700; MED 370; MED 230
Abstract:: We first show that the regression and neural network models trained in a federated fashion can achieve optimal utility independent of data distribution across clients. Next, we introduce a new normalization method called KernelNorm, and illustrate that kernel normalized models can enhance not only utility but also communication and privacy simultaneously in federated, differentially private, and differentially private federated learning environments.
Translated abstract:: Wir zeigen, dass die im Verbund trainierten Regressions- und neuronalen Netzwerkmodelle unabhängig von der Datenverteilung auf den Clients optimalen Nutzen erzielen können. Anschließend führen wir eine neue Normalisierungsmethode namens KernelNorm ein und zeigen, dass kernel-normalisierte Modelle nicht nur den Nutzen, sondern auch die Kommunikation und die Privatsphäre in föderierten, differenziell privaten und differenziell privaten föderierten Lernumgebungen gleichzeitig verbessern können.
WWW:: https://mediatum.ub.tum.de/?id=1732268
Date of submission:: 07.03.2024
Oral examination:: 24.10.2024
File size:: 5072325 bytes
Pages:: 162
Urn (citeable URL):: https://nbn-resolving.org/urn:nbn:de:bvb:91-diss-20241024-1732268-0-4
Last change:: 24.01.2025
BibTeX

Occurrences:

mediaTUM Gesamtbestand Elektronische Prüfungsarbeiten Fachgebiet Datenverarbeitung, Informatik

mediaTUM Gesamtbestand Einrichtungen Schools TUM School of Computation, Information and Technology Prüfungsarbeiten Dissertationen

mediaTUM Gesamtbestand Elektronische Prüfungsarbeiten School TUM School of Computation, Information and Technology Computer Science

mediaTUM Gesamtbestand Elektronische Prüfungsarbeiten School TUM School of Computation, Information and Technology

mediaTUM Gesamtbestand Elektronische Prüfungsarbeiten Fachgebiet Medizin

mediaTUM Gesamtbestand Hochschulbibliographie 2024 Schools und Fakultäten TUM School of Computation, Information and Technology Informatik 31 - Lehrstuhl für Artificial Intelligence in Healthcare and Medicine (Prof. Rückert)