May, 2023
在审计差分隐私机器学习中释放随机化的力量
Unleashing the Power of Randomization in Auditing Differentially Private ML
Krishna Pillutla, Galen Andrew, Peter Kairouz, H. Brendan McMahan, Alina Oprea...
TL;DR提出了一种基于 Canaries 的方法,通过扩展差分隐私定义来处理随机数据集,设计随机 Canaries,然后采用 Lifted Differential Privacy 来审计,引入新的置信区间,能够显著提高样本复杂性,这一新方案在合成和实际数据上得到了验证。