研究人员开发了一个名为自适应裁剪区域边界（ABC）的新框架，以解决在局部差分隐私（LDP）下收集数值数据时数据域未知所带来的挑战。现有的LDP方法需要预定义的数据域，如果数值被裁剪，会导致信息丢失；如果数据域过于宽泛，则会降低数据质量。ABC方法允许用户发送其扰动后的数据，并附带一个信号，指示其原始值是否被裁剪，从而能够迭代调整数据域。理论分析表明，估计的数据域会收敛到一个合适的范围，而实证评估则证明在各种数据集和LDP机制下数据质量都有显著提高。 AI
影响 提高了隐私保护下的数值数据收集的数据质量，可能有利于使用敏感数据集进行AI模型训练。
排序理由 该集群包含一篇学术论文，详细介绍了一种在局部差分隐私下进行数据收集的新方法。[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 →
