private evolution
PulseAugur coverage of private evolution — every cluster mentioning private evolution across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
Apple 研究人员提出新的私有演化算法用于合成数据生成
Apple 机器学习研究部门发布了一篇论文,详细介绍了一种新的私有演化方法,这是一种在保护隐私的同时生成合成数据的方法。该研究将私有演化重新定义为一种增强学习的聚类算法,证明了引入生成模型可以显著提高性能界限。该论文还介绍了一种几何感知的私有演化变体,与现有基线相比,它提供了可证明的收敛性和有竞争力的结果。
-
引导扩散提供私有合成文本生成
研究人员推出了一种新颖的合成文本生成框架——引导扩散(Guided Diffusion),该框架优先考虑隐私。该方法利用扩散语言模型(Diffusion Language Models)引导生成过程,使其生成流畅且语义对齐的文本,同时还融入了差分隐私(differential privacy)。与DP-SGD和Private Evolution等现有方法相比,该方法在分布保真度和下游效用方面表现出优越的性能,并且生成文本的速度明显快于…
-
新的审计方法量化了联邦数据生成中的隐私泄露
研究人员开发了一种新的方法来审计联邦设置中的用户级隐私,特别是针对私有演进(PE)系统。这种经验审计协议涉及服务器提交一个候选库,然后用特制的“金丝雀”探测器替换一小部分条目。在Yelp和Sentiment140数据集上的实验表明,虽然自然文本攻击显示的隐私泄露极少,但基于nonce的攻击更接近理论上的差分隐私界限,量化了正式隐私保证与实际泄露之间的差距。
-
新的PE-means算法将私有k-均值聚类改进了20%
研究人员开发了PE-means,一种用于差分隐私k-均值聚类的新算法。该方法通过使用具有恒定敏感度的私有直方图,而不是直接对私有数据求和,从而改进了现有技术。与当前最先进的方法相比,PE-means的聚类损失平均减少了20%。