研究了隐私保护学习中可用性或风险与统计查询处理机制提供的差分隐私级别之间的权衡，提出了针对有限维特征映射和潜在无限维特征映射的两种有效机制，并利用算法稳定性证明了差分隐私，并使用正则化经验风险最小化的光滑性证明了机制的效用。

Nov, 2009

本文提出了一种快速随机奇异值阈值方法，称为快速随机 SVT，可以用于解决与 NNM 或 WNNM 相关的问题，在各种计算机视觉问题中获得了高效和精确的结果。

Sep, 2015

本文提出了一种基于向量空间模型的自动化文本匿名化方法，可用于保护作者的身份，并且实现了差分隐私，防止被重新辨认。实验结果表明此方法对于文本分类任务的准确性影响较小，但对于作者识别技术的准确性影响很大。

May, 2018

本文介绍了一种名为普遍奇异值阈值（USVT）的估计程序，可用于任何具有 “少量结构” 的矩阵进行矩阵估计，并成功应用在低秩矩阵估计、距离矩阵补全、图形估计等问题中，取得了最小化误差率。

Dec, 2012

提出了一种基于量子思想的经典算法框架，用于解决接近低秩矩阵问题并快速实现量子算法的经典版本，证明了量子 SVT 框架并不能提供指数级的速度提升，并给出了该框架的多种经典化结果。

Oct, 2019

本文介绍了一种基于多元极值理论的算法，用于在高维空间中学习如何根据它们的异常程度对观测值进行排名，并与非极端数据的异常检测技术结合使用，从而避免受到维度诅咒的影响。

Mar, 2016

本文考虑了在对候选项稳定性更弱的情况下，即评分函数是差分隐私的情况下的选择问题。我们提供了算法，在隐私、效用和计算效率等三个方面都是最优的。同时，我们还开发了在线版本和基于稀疏向量技术的通用性算法。这些算法在差分隐私机器学习中的超参数选择以及自适应数据分析中都有更好的表现。

Nov, 2018

通过使用差分隐私，我们在小型数据集的情况下训练针对经济研究的简单线性回归的算法，在不牺牲数据隐私的情况下获得较高的性能。

Jul, 2020

该研究提出了一个基于 “指纹” 方法的新的隐私保护选择问题下限界估算，并通过分析实际排除了一些标准假设。

Apr, 2017

本文提出一种针对噪声干扰下低秩数据矩阵恢复的无偏风险估计方法，特别是针对奇异值阈值软阈值规则（SVT）进行了风险估计，为一系列问题中的正则化参数选择提供了有机而自动化的方法，该方法可用于真实临床心脏 MRI 系列数据的 SVT 降噪，同时提出了某些矩阵值函数的可微性新结果。

Oct, 2012