BriefGPT.xyz
大模型
Ask
alpha
关键词
utility loss
搜索结果 - 5
一种元学习框架用于调整值得信赖的联邦学习中保护机制的参数
提出了一个以隐私泄露、效用损失和效率降低为权衡因素的优化机制,以保护机制参数为基础,旨在使广泛应用的保护机制达到最佳平衡,包括随机化、同态加密、秘密共享和压缩等多种保护机制。
PDF
a year ago
联邦 PAC 学习
本文提出了 FedPAC 框架, 一个利用 PAC 学习量化多个指标的统一框架,以找到隐私泄露,效用损失和效率之间的最佳平衡
PDF
a year ago
基因组数据 Beacon 和摘要统计中隐私和效用的权衡
介绍一种优化算法用于交换汇总数据或 Beacon 响应和会员推断攻击的隐私之间的效用,并考虑了两个攻击模型。
PDF
a year ago
大规模隐私保护网络嵌入:针对私有链路推断攻击
本文提出了一种针对保护隐私的网络嵌入方法,使用干扰原始网络的方式来减少泄漏隐私链接的风险,并通过量化隐私增益和效用丢失来确定最佳干扰方案,以获得最优的隐私效用权衡。
PDF
2 years ago
个性化社交推荐 - 更准确还是更私密?
本文研究了基于社交网络的个性化推荐 —— 社交推荐算法在保护隐私的同时对推荐准确度的影响,并量化了算法的效用损失。研究表明,只有在隐私参数比较宽松的情况下或为社交网络中的一小部分用户提供可行的好的私密社交推荐。
PDF
13 years ago
Prev
Next