pure-DP

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 $\mu \approx \varepsilon/5$。