As predictive models are increasingly being employed to make consequential
decisions, there is a growing emphasis on developing techniques that can
provide algorithmic recourse to affected individuals. While such
本研究采用机器学习模型，在负面结果的情况下提供算法补救措施，并通过两种新颖方法生成差分隐私补救措施：差分隐私模型（DPM）和拉普拉斯补救措施（LR）。使用逻辑回归分类器和真实数据集以及合成数据集，发现 DPM 和 LR 在降低对手推断信息方面表现良好，特别是在低假正率的情况下。当训练数据集足够大时，通过我们的新颖 LR 方法，成功地防止了隐私泄露，同时保持模型和补救措施的准确性。