差分隐私
4 条- 01借助可观测计数与截断批次实现差分隐私放大
提出在分布式DP-SGD中利用可观测批次计数实现隐私放大的新方案,解决传统随机采样需隐藏批次大小的部署难题。
- 02通过多尺度FFT实现随机分配下的快速隐私损失核算
提出基于多尺度FFT的PLD核算算法,将随机分配采样下的隐私损失计算从二次时间降至近线性,提升DP优化效率。
- 03提出-过滤-释放:通过私有过滤将噪声缩放至典型敏感度
提出PFR机制,私有化过滤异常记录后再加噪,显著提升差分隐私估计器在典型数据上的精度。
- 04
提出在分布式DP-SGD中利用可观测批次计数实现隐私放大的新方案,解决传统随机采样需隐藏批次大小的部署难题。
提出基于多尺度FFT的PLD核算算法,将随机分配采样下的隐私损失计算从二次时间降至近线性,提升DP优化效率。
提出PFR机制,私有化过滤异常记录后再加噪,显著提升差分隐私估计器在典型数据上的精度。