يقترح الباحثون إطار عمل FedKT-CSD للتعلم الموحد أحادي الطور الذي يحقق ضمانات خصوصية صارمة مع الحفاظ على جودة النموذج عبر بيانات العملاء المتنوعة. تستفيد الطريقة من المشفرات الذاتية المدربة مسبقًا والمتاحة علنًا لإنشاء فضاء كامن مشترك، مما يسمح للعملاء بتشفير البيانات الخاصة ونقل الإحصائيات الكامنة المشروطة بالفئة فقط.
- يقوم العملاء بتمرير أمامي واحد لحساب الإحصائيات الكامنة، مما يحافظ على خفة حسابات العميل واتصالاته.
- يجمع الخادم هذه الإحصائيات عبر التجميع الآمن ويضيف ضوضاء خصوصية تفاضلية معايرة.
- يتم فك تشفير مجموعة بيانات اصطناعية من الإحصائيات المجمعة لتدريب نموذج عالمي للمهام اللاحقة.
- يوفر التصميم خصوصية تفاضلية رسمية $(\varepsilon,\delta)$ بشكل بنائي.
يتنافس FedKT-CSD ويتفوق على الخطوط الأساسية غير الخاصة عبر مجموعات بيانات وإعدادات تنوع متنوعة، ويتمدد بفعالية لعدد كبير من العملاء.