阅读笔记：Secure Federated Matrix Factorization

Secure Federated Matrix Factorization

August 2020, Intelligent Systems, IEEE 2021/10/3
文章讲解：
联邦学习下的安全矩阵分解 | 2021 WAIC 论文分享 (qq.com)
https://mp.weixin.qq.com/s/CijeQBouFEQbUVB6cwVjTw.

1. What does literature study?

1. 安全联邦矩阵分解，客户端上传的梯度信息容易泄露翻遍吗出来用户私有评分信息。

2. What’s the innovation?

1. 不同传统的模糊处理和加密方法，采用同态加密增加梯度安全性设计了用户级分布式矩阵分解框架。

3. What was the methodology?

1. 利用SGD进行矩阵分解优化
2. 原型实现，利用Paillier加密构造一种原型。
3. 两种实验设置：
   1.上传所有item的梯度。
   2.仍上传评分Items的梯度

4. What are the conclusions?

1. 只对比了两种实验设置的好坏没有看到加密的实验结果。
2. item增多消耗时间增加，大部分消耗在服务器端，仍停留在理论分析。
3. 需要在FullText(users upload gradients for all the items)与PartText(user only upload the gradients of the rated items)之间找到平衡。

5. others

1. they utilize an open source python package, python-paillier to accomplish the ecryption part in prototype system: https://github.com/n1analytics/python-paillier.
2. 通过对代码的分析，可以解答我的疑惑了。
   就是gradient 和 local Update所用的信息