Jan, 2020
通过 $f$- 分歧改善边界,增强隐私保护保证
A Better Bound Gives a Hundred Rounds: Enhanced Privacy Guarantees via $f$-Divergences
Shahab Asoodeh, Jiachun Liao, Flavio P. Calmon, Oliver Kosut, Lalitha Sankar
TL;DR该研究使用 f - 分歧 的联合作用,推导出满足给定的 Renyi 差分隐私 (RDP) 水平的机制的最佳差分隐私 (DP) 参数,并将其应用于表征随机梯度下降的隐私保证的 “Moments Accountant” 框架,与最先进的技术相比,我们的范围可能导致相同隐私预算的深度学习模型的训练过程增加约 100 次随机梯度下降迭代。