合并值得吗？安全评估因果数据集获取的信息增益
原文中文，约400字，阅读约需1分钟。发表于：。本研究解决了跨机构合并数据集时如何评估其价值的问题，特别是在涉及私人信息的情况下。我们提出了首个密码安全的信息理论方法，通过评估期望信息增益（EIG）并利用多方计算，确保在不泄露任何原始数据的前提下安全计算。此方法不仅符合隐私要求，还优于简单的差分隐私，具有重要的应用潜力。
本文介绍了一种基于经验的隐私防御方案，旨在保护训练数据隐私而不降低模型效用。通过对比数据可用性和隐私处理，设计了一种基线防御方法，能够评估和比较模型效用、训练数据隐私和参考数据隐私。实验结果表明，该方法在相对隐私水平上优于当前最先进的方法，同时揭示了现有方法在权衡模型效用、训练数据隐私和参考数据隐私方面的问题。强调了比较隐私防御方法时需要适当评估这些因素。
