研究人员开发了一个新的仿冒推断框架，该框架纳入了差分隐私，旨在保护变量选择过程中的数据隐私。这种DP-仿冒方法在保持原始模型-X仿冒程序的错误发现率（FDR）控制的同时，确保了强大的隐私保护。该框架的功效分析表明，为保护隐私而添加的噪声在长期内不会显著损害功效，使其在低维和高维环境中都有效。 AI
影响 这项研究介绍了一种新颖的隐私保护变量选择方法，这可能与处理敏感数据的AI应用相关。
排序理由 该集群包含一篇详细介绍新方法的学术论文。[lever_c_demoted from research: ic=1 ai=0.7]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
