实体
privacy-preserving machine learning
privacy-preserving machine learning
PulseAugur coverage of privacy-preserving machine learning — every cluster mentioning privacy-preserving machine learning across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
苹果研究人员发布隐私保护的协商策略
Apple Machine Learning Research 发表了一篇论文，详细介绍了一种在自主代理协商过程中保护私人信息的新方法。该研究引入了一种自适应随机协商策略，旨在确保差分隐私、保证协议收敛并保持高协商效用。实验表明，该方法在保持超过90%的协商成功率和效用的同时，显著降低了对抗性推理的准确性。
-
学生寻求人工智能研究硕士项目的建议
一位潜在学生正在寻求关于在巴黎萨克雷大学和代尔夫特理工大学的应用数学硕士项目之间进行选择的建议。该学生的目标是从事人工智能研究领域的职业，特别是在隐私保护机器学习或机制可解释性等领域。他们正在寻求关于哪所大学能提供更好的职业机会和通往有竞争力的博士项目的更强路径的指导。
-
研究人员提出高斯差分隐私的 $\mu \approx \varepsilon/5$ 转换方法
研究人员发表了一篇论文，详细介绍了在纯差分隐私（$\varepsilon$）和高斯差分隐私（GDP，$\mu$）之间转换隐私参数的方法。该研究通过对三种指标下的最坏情况成员推理攻击成功率进行对齐，提出了原则性的映射。作者建议在机器学习中保守报告隐私时，通用转换方法为 $\mu \approx \varepsilon/5$。