Apr, 2022
SF-PATE: 可扩展、公平且私密的教师集成聚合
SF-PATE: Scalable, Fair, and Private Aggregation of Teacher Ensembles
Cuong Tran, Keyu Zhu, Ferdinando Fioretto, Pascal Van Hentenryck
TL;DR本文旨在研究一种隐私保护和公平的模型,该模型允许采用现有的公平模型,保护个人信息的隐私同时学习非歧视性预测器。实验证明该模型具有可扩展性、准确性和公正性。此外,该文章是第一个允许对非常大的神经网络训练私人和公平模型的提议。