研究人员开发了一种名为私有生成式贝叶斯自举法（Private Generative Bayesian Bootstrap, PGBB）的新方法，用于在报告来自AI系统的统计答案和不确定性时保护个人隐私。PGBB使用贝叶斯无似然框架和一种阻塞策略，将个人分组并分配单一权重，从而加强了差分隐私。该方法在训练过程中使用校准噪声来学习从观测权重到后验样本的私有映射，后续的抽样无需额外的隐私预算。PGBB在模拟和应用于美国人口普查数据时，展示了具有竞争力的私有不确定性量化能力，并优于其他私有贝叶斯替代方法。 AI
影响 增强了源自AI系统的统计报告的隐私保护。
排序理由 详细介绍新统计方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
