PulseAugur
中
实时 09:58:39
English(EN) MammothDP: Private Boosted Decision Trees Ready for Trusted Hardware and Leakage-free Hyperparameters

新的机器学习系统MammothDP增强了TEE中的数据隐私

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了MammothDP，一个新颖的机器学习系统，旨在保护可信执行环境（TEEs）中的敏感数据。该系统基于S-BDT梯度增强决策树学习器，并在使用隐私过滤器和时间侧信道加固时提供可证明的差分隐私（DP）。MammothDP引入了一种自适应的提前停止标准，用于在没有隐私开销的情况下选择树的数量，以及一种改进的、能抵御时间侧信道攻击的回滚保护机制，旨在实现强大的隐私-效用权衡。 AI

影响 增强了在安全硬件环境中处理敏感数据的机器学习模型的隐私保证。

排序理由 这是一篇详细介绍新机器学习系统及其技术组件的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的机器学习系统MammothDP增强了TEE中的数据隐私

本文如何被排名

Signal score
15 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
这是一篇详细介绍新机器学习系统及其技术组件的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration
Single-source cluster
Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics
paper, safety
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
Breaking (< 6h)
Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Moritz Kirschte, Thorsten Peinemann, Kari Kostiainen, Jan Wichelmann, Thomas Eisenbarth, Esfandiar Mohammadi ·

    MammothDP：私有增强决策树已准备好支持可信硬件和无泄漏超参数

    arXiv:2611.14317v1 Announce Type: cross Abstract: Data spaces like the European Health Data Space (EHDS) require the protection of sensitive data in studies during the data's processing and the study's release alike. In this work, we investigate how to implement this mandate usin…

相关话题