PulseAugur
中
实时 04:57:15

新型优化器DP-IVON-Gradsq增强了贝叶斯深度学习中的差分隐私

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了DP-IVON-Gradsq，这是一种旨在增强贝叶斯深度学习中差分隐私的新型优化器。该方法旨在减轻隐私噪声与贝叶斯后验采样固有的随机性之间的干扰。通过使用噪声校正的平方梯度估计器，DP-IVON-Gradsq在保持与Adam相似的计算效率的同时，增强了隐私保证。在CIFAR-10数据集上的评估表明，在隐私约束不那么严格的情况下，DP-IVON-Gradsq的性能与DP-SGD和DP-Adam相当。 AI

影响 引入了一种新型优化器，可以改进贝叶斯深度学习模型的隐私保护训练。

排序理由 该集群包含一篇研究论文，详细介绍了贝叶斯深度学习中差分隐私的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

新型优化器DP-IVON-Gradsq增强了贝叶斯深度学习中的差分隐私

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Nour Jamoussi, Ikram Dridi, Giuseppe Serra, Marios Kountouris ·

    DP-IVON-Gradsq：差分隐私平方梯度改进变分在线牛顿法

    arXiv:2607.23649v1 Announce Type: new Abstract: Differential privacy provides formal privacy guarantees for training neural networks on sensitive data, while Bayesian deep learning offers a principled framework for uncertainty-aware prediction. Combining these two objectives rema…

相关实体

相关话题