提供追索权同时最小化训练数据泄露的准确、可解释和私密模型
💡
原文中文,约300字,阅读约需1分钟。
📝
内容提要
本研究使用机器学习模型提供差分隐私补救措施,通过差分隐私模型和拉普拉斯补救措施生成补救措施。实验结果显示,DPM和LR在降低对手推断信息方面表现良好,尤其是在低假正率情况下。当训练数据集足够大时,通过新颖的LR方法成功防止隐私泄露,同时保持准确性。
🎯
关键要点
- 本研究采用机器学习模型提供差分隐私补救措施。
- 使用差分隐私模型(DPM)和拉普拉斯补救措施(LR)生成补救措施。
- 实验显示DPM和LR在降低对手推断信息方面表现良好,尤其是在低假正率情况下。
- 当训练数据集足够大时,LR方法成功防止隐私泄露,同时保持准确性。
➡️