研究人员开发了一个名为LDP-Slicing的新框架，以解决将局部差分隐私（LDP）应用于图像数据的挑战。传统的LDP方法在处理像素空间的高维度时面临困难，导致效用显著下降。LDP-Slicing将像素值分解为比特平面，允许在比特级别应用LDP机制。这种方法结合了感知混淆和优化的隐私预算分配，实现了严格的像素级$\varepsilon$-LDP，同时为面部识别和图像分类等下游任务保持了高效用。实验表明，LDP-Slicing在计算开销极小的情况下优于现有方法。 AI
影响 引入了一种新颖的方法，可以在不显著损失效用的情况下增强机器学习任务中图像数据的隐私性。
排序理由 这是一篇研究论文，详细介绍了一种用于图像数据上隐私保护机器学习的新方法。[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 →
