Dec, 2023
改善差分隐私线性学习器的目标扰动的隐私性和实用性
Improving the Privacy and Practicality of Objective Perturbation for
Differentially Private Linear Learners
TL;DR在隐私保护机器学习领域中，差分隐私随机梯度下降（DP-SGD）已经超过了目标扰动机制在流行度和兴趣方面。这篇论文通过更严格的隐私分析和新的计算工具对目标扰动机制进行改进，使其在无约束的凸广义线性问题上能够与DP-SGD具有竞争力。