研究人员开发了一种新颖的方法来提高在本地差分隐私（LDP）下收集的数据的效用。该方法选择性地减少数据中最与特定任务相关的子空间中的噪声，而不是在所有维度上应用均匀噪声。通过使用公共模型的雅可比矩阵识别这些关键子空间，该方法将噪声分布从各向同性重塑为各向异性，从而在保持隐私保证的同时提高了数据效用。实验表明，在图像分类任务上准确性得到了显著提高。 AI
影响 这项研究通过提高在本地差分隐私下收集的数据训练的模型的准确性，有可能在机器学习中实现更实际的隐私保护数据收集应用。
排序理由 该集群包含一篇学术论文，详细介绍了一种用于增强本地差分隐私下数据效用的新方法。[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 →
