研究人员推出了一种名为二次目标扰动（QOP）的新型机器学习差分隐私方法。与需要有界梯度的线性目标扰动（LOP）不同，QOP使用随机二次型来诱导强凸性和稳定性。这种方法允许在较弱的假设下提供隐私保证，即使在插值状态下也是如此，并且与近似解兼容。 AI
影响 引入了一种新的隐私保护技术，可以使机器学习模型在敏感数据环境中得到更广泛的应用。
排序理由 这是一篇介绍机器学习差分隐私新理论方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]
- differential privacy
- empirical risk minimization
- Linear Objective Perturbation
- machine learning
- Quadratic Objective Perturbation
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
