Google 发布 JAX-Privacy 1.0，支持可扩展的差分隐私机器学习

Google 发布了 JAX-Privacy 1.0，这是一个旨在促进大规模差分隐私机器学习的库。JAX-Privacy 构建在 JAX 高性能计算库之上，提供了用于实现和审计深度学习模型私有训练算法的工具。新版本旨在将最先进的差分隐私方法与 JAX 的可扩展架构相集成，从而简化其集成过程，并解决将隐私保证应用于大型数据集和复杂模型所面临的挑战。 AI

影响 在保护个人隐私的同时，增强了训练大规模机器学习模型的能力。

排序理由 发布用于机器学习研究的新库。[lever_c_demoted from research: ic=1 ai=1.0]

在 Google AI / Research 阅读 →

• Borja Balle
• Flax
• Google
• Google DeepMind
• Google Research
• JAX
• JAX-Privacy 1.0
• Optax
• Ryan McKenna

• 模型发布
• 基础设施
• 安全

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →