Notice bibliographique
Résumé
FastLloyd: Federated, Accurate, Secure, and Tunable k-Means Clustering with Differential Privacy FastLloyd is an approach to privacy-preserving k-means clustering in horizontally federated settings. It offersstate-of-the-art utility while providing formal privacy guarantees through differential privacy, and achieves orders ofmagnitude faster performance compared to previous privacy-preserving clustering methods. Overview This repository implements the FastLloyd protocol described in the paper "FastLloyd: Federated, Accurate, Secure, andTunable k-Means Clustering with Differential Privacy". FastLloyd addresses the challenging problem of collaborativeclustering across multiple data owners without compromising privacy, through: 1. A novel differentially private k-means algorithm with radius constraints2. A lightweight secure aggregation protocol for federated settings Installation Requirements - Python 3.8 or higher- Open MPI (for multiparty communication)- Required Python packages listed in `env.yml` Setup 1. Download the repoistory 2. Extract the data and navigate to code directory: mkdir -p datafor f in *.tar.xz; do tar --extract --xz --file="$f" --directory=datadonemv data D-Diaa-FastLloyd-879df3a/cd D-Diaa-FastLloyd-879df3a/ 3. Create and activate the conda environment: conda env create -f env.ymlconda activate fastlloyd Usage Running Experiments FastLloyd supports multiple experiment types: 1. **Accuracy**: Evaluate clustering quality across different privacy settings python experiments.py --exp_type "accuracy" 2. **Scale**: Analyze scalability with dataset size, dimensions, and number of clusters python experiments.py --exp_type "scale" 3. **Timing**: Measure communication and computation time mpirun -np 3 python experiments.py --exp_type "timing" You can also use the provided scripts to run multiple experiment types: bash scripts/experiment_runner.sh # For accuracy and scale experimentsbash scripts/timing_runner.sh # For timing experiments with varying numbers of clients Visualization The repository includes several visualization tools in the `plots` directory: - `per_dataset.py`: Creates performance visualizations for individual datasets- `scale_heatmap.py`: Generates heatmaps to analyze scalability- `synthetic_bar.py`: Creates bar plots comparing performance on synthetic datasets- `ablation_plots.py`: Creates plots for ablation studies- `timing_analysis.py`: Analyzes and reports execution timing data Customization You can customize various aspects of the experiments through the argument parser in `experiments.py`: python experiments.py --exp_type "test" --datasets "mnist" "adult" --method "diagonal_then_frac" --alpha 0.8 --post "fold" --results_folder "my_results" Key parameters include: - `--exp_type`: Type of experiment to run (accuracy, scale, timing, test)- `--datasets`: Datasets to use for the experiment- `--method`: Maximum distance method to use- `--alpha`: Maximum distance parameter- `--post`: Post-processing method for centroids- `--results_folder`: Folder to store results Citation If you use FastLloyd in your research, please cite the paper: @inproceedings{diaa2025fastlloyd, title={FastLloyd: Federated, Accurate, Secure, and Tunable $k$-Means Clustering with Differential Privacy}, author={A. Diaa and T. Humphries and F. Kerschbaum}, eventtitle = {The 34th {USENIX} Security Symposium}, year={2025},}
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,005 | 0,006 |
| Science ouverte | 0,007 | 0,010 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,139 | 0,138 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».