differential privacy | BriefGPT

关键词differential privacy

搜索结果 - 759

ICML扰动和投影：差分隐私的相似性和边际
重新审视了差分隐私的输入扰动框架，介绍了有效算法用于保护隐私的发布余弦相似度和计算多特征边际查询，扩展结果适用于稀疏数据集，提供理论视角解释快速输入扰动算法在实践中的良好表现。
PDFa month ago
具有差分隐私的对比可解释聚类
本研究提出了一种新的可解释人工智能（XAI）方法，在聚类方法中将对比解释与差分隐私相结合。通过在常见的聚类问题中（包括 k - 中值和 k - 均值），我们给出了高效的差分隐私对比解释，能够获得与非差分隐私聚类解释基本一致的解释。在每个对比
PDFa month ago
使用总变差距离的黑盒差分隐私审计
我们提出了一种实用的方法，使用一个未在训练中暴露给模型的小规模保留数据集来审计差分隐私（DP）保证。我们的方法利用得分函数（如训练期间使用的损失函数）估计使用训练数据子集和保留数据集获得的得分之间的总变差（TV）距离，在了解底层 DP 训练
PDFa month ago
切线微分隐私
切线差分隐私是一种新型的差分隐私，适用于特定数据分布，允许使用总变分距离和 Wasserstein 距离，并在风险最小化情况下，通过熵正则化保证切线差分隐私在风险函数的普遍条件下成立。
PDFa month ago
通过懒惰算法实现私密在线学习
我们研究了私密在线学习的问题，特别是专家预测（OPE）和在线凸优化（OCO）。我们提出了一种将惰性在线学习算法转化为私密算法的新方法。我们通过使用现有的惰性算法解决这些问题，将我们的转化应用于差分隐私 OPE 和 OCO。我们的最终算法在高
PDFa month ago
异构差分隐私联邦学习的噪音感知算法
在联邦学习中，差分隐私被用于保护数据隐私和提高模型效用，然而，在具有异质性要求和客户端批次 / 数据集大小差异的情况下，传统的聚合策略会降低效用。本文提出了一种名为 Robust-HDP 的方法，通过有效估计客户端模型更新中的噪声水平并显著
PDFa month ago
ST-DPGAN：一种隐私保护的时空数据生成框架
提出了一种基于图神经网络生成隐私保护的时空数据的模型，利用空间和时间注意力模块以及时空卷积结构实现了高效的差分隐私训练。通过在真实的时空数据集上进行广泛实验验证了该模型的有效性，能够保证数据的隐私性同时保持数据的实用性，由该生成数据训练的预
PDFa month ago
几乎线性时间的差分隐私合成图释放
给定输入为具有 n 个顶点 m 条边的图 G，本论文提出了第一个时间复杂度为 O (m)、空间复杂度为 O (m) 的差分隐私算法，用于输出近似于 G 的所有切割和谱的顶点数为 n、边数为 O (m) 的合成图，同时实现了与非隐私设置相匹配
PDFa month ago
关于 $l_p^p$ 度量下矩阵机制的最优性
论文介绍了在差分隐私约束下回答线性查询时的 $\ell_p^p$ 误差度量（$p \geq 2$）。我们通过 $(\epsilon,\delta)$- 差分隐私对此误差进行了特征化。同时，我们给出了回答前缀和查询的紧密界限，并将其泛化到所有
PDFa month ago
扩散模型的差分隐私微调
在此篇文章中，我们提出了一种为私有扩散模型优化参数效率的微调策略，通过减少可训练参数的数量来增强隐私 - 效用平衡，从而在 DP 合成方面取得了最先进的性能，在广泛研究的数据集上明显超过了先前的基准（如 CelebA-64 数据集上的小隐私
PDFa month ago
使用大型语言模型的差分隐私表格数据合成
使用预训练的大型语言模型（LLMs），DP-LLMTGen 引入了一种新的框架来进行差分私有表格数据合成，通过微调过程模拟敏感数据集并生成多样的合成数据，有效地解决了实际挑战。
PDFa month ago
数据损坏下的鲁棒核假设检验
提出了两种构建在数据损坏下鲁棒的排列检验的方法，能有效控制非渐近型 I 型错误，并证明在最小条件下的功效一致性，在实际应用中有助于假设检验的部署，特别适用于可能的对抗攻击。其中一种方法具有差分隐私，并进一步扩大了其在私有数据分析中的适用性。
PDFa month ago
再简化一遍：为差分隐私重写文本提升语义相似度和隐私保护的后处理方法
基于差分隐私的文本重写方法，通过对重写后的文本再次进行重写，提高了在经验隐私评估中的保护性能，并为恶意对手提供了额外的保护层。
PDFa month ago
通过健壮聚类减轻联邦学习中差异隐私的不平等影响
提出了一种新颖的聚类差分私有化联邦学习算法，通过基于模型更新和训练损失值对客户进行聚类，以应对联邦学习中的不平等性和隐私保护问题。
PDFa month ago
ICML探究差分隐私 Transformer
本文研究在差分隐私情况下使用深度学习进行 Transformer 模型训练，提出了重新注意机制和幻影剪切作为解决注意力分散现象和梯度剪切问题的方法。这不仅对于训练差分隐私 Transformer 模型提供了新的思路，也推动了差分隐私深度学习
PDFa month ago
P4: 私密、个性化和点对点学习
通过开发 P4（Personalized Private Peer-to-Peer）方法解决个性化学习中的客户聚类和数据隐私的挑战，保证每个客户在培训期间和培训后维护不同的隐私保证，并在多个基准数据集和不同的神经网络模型上展示了相对于差分隐
PDFa month ago
对局部差分隐私对公平性影响的系统和正式研究：初步结果
通过定量研究隐私保护机制差分隐私对机器学习模型公平性的影响，本研究提供了在不同的隐私级别和数据分布下，差分隐私能对模型公平性产生影响的界限，并确定了隐私减少歧视和增加歧视的情况，验证了理论发现在合成和现实世界数据集上的有效性。
PDFa month ago
具有行列式点过程的自然隐私推荐
通过引入随机机制并使模型符合差分隐私约束，我们讨论了 Determinantal Point Processes（DPPs）的修改，并推导了使其满足 ε- 差分隐私所需的修改和对其敏感性的分析。最后，我们提出了使 DPPs 在隐私 - 效用
PDFa month ago
通过区块自助法对差分隐私随机梯度下降进行不确定性量化
提出了一种基于局部差分隐私的新型块自助法用于随机梯度下降，该方法具有可计算性和不需要调整隐私预算的特点，可以广泛应用于估计问题，并通过模拟研究证明了其有效性和有限样本性质，并成为非隐私 SGD 的简单替代数值工具。
PDFa month ago
区块链上的健康数据安全：差分隐私和联邦学习框架
提出一种框架来增强基于区块链的物联网（BIoT）系统在医疗保健领域中的隐私保护，通过集成差分隐私（DP）和联邦学习（FL）来保护物联网节点收集的敏感健康数据，并利用动态个性化和自适应噪声分布策略平衡隐私和数据效用，同时通过区块链技术确保模型
PDFa month ago