研究人员开发了一种名为有界自适应裁剪的新方法，以解决差分隐私机器学习中的差异化影响问题。标准的自适应裁剪可能会不成比例地压制少数群体的梯度，导致这些群体的准确性降低。所提出的技术引入了一个可调的下界，以防止过度压制梯度，在基准数据集上将最差类别的准确性提高了多达10个百分点。 AI
影响 解决了私有机器学习中的公平性问题，可能促进差分隐私技术的更广泛应用。
排序理由 学术论文，详细介绍了差分隐私学习的新方法。[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 →