PulseAugur
中
实时 11:52:34
English(EN) PRISM: Gauge-Invariant Tangent-Space Differentially Private LoRA

新PRISM方法增强LoRA模型的差分隐私

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出PRISM，一种将差分隐私应用于机器学习模型低秩适配（LoRA）的新方法。传统方法面临挑战，因为LoRA的低秩分解并非唯一，会导致噪声放大。PRISM通过规范不变性解决了这个问题，防止了双线性噪声放大，并允许在有界扰动下实现稳定的隐私-效用权衡。该方法还包括一个感知差分隐私的自适应更新规则，以维持数值稳定性。 AI

影响 增强了微调大型模型的隐私保证，可能使其在敏感数据应用中得到更广泛的应用。

排序理由 该集群包含一篇详细介绍机器学习中差分隐私新方法的论文。[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 →

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Shihao Wang, Xueru Zhang ·

    PRISM：规范不变切空间差分隐私 LoRA

    arXiv:2606.00944v1 Announce Type: new Abstract: Applying differential privacy (DP) via DP-SGD to Low-Rank Adaptation (LoRA) is a natural approach for privacy-preserving fine-tuning. However, LoRA's low-rank parameterization poses a fundamental challenge. In LoRA, each trainable u…

相关实体

相关话题