研究人员开发了 ScoreShield，这是一种旨在保护从向量嵌入派生的相似度分数隐私的新型机制。发布这些分数（对于检索增强生成 (RAG) 和生物识别等应用至关重要）的传统方法存在泄露敏感信息的风险。ScoreShield 通过应用差分隐私高斯噪声来解决此问题，该噪声根据分数发布的全局敏感度进行校准，然后将结果投影到余弦对象的可行集上。与朴素的加噪相比，这种方法显著减少了失真并提高了效用，为 RAG、面部识别和推荐系统等任务提供了更好的性能。 AI
影响 增强了依赖向量嵌入和相似度分数的 AI 系统的隐私性，有可能提高敏感应用中的信任度和采用率。
排序理由 该条目描述了一种用于发布相似度分数的新型隐私保护机制，该机制在研究论文中有详细介绍。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
