聚合实现的标签差分隐私保护
原文中文，约300字，阅读约需1分钟。发表于：。本研究首次证明了在回归任务中，使用加权聚合方法（不需要或只需很小的附加噪声）可实现标签差分隐私（label-DP）。
本文介绍了一种使用深度神经网络和新正则化层 Batch Averager 的方法，将有标注数据的深度神经网络转换为无标注学习的方法。作者通过 Twitter 用户的 tweets 和个人资料图片，预测 Twitter 用户的性别和种族 / 民族信息，并发现深度 LLP 方法在文本和图片分类方面均优于基线方法，并且协同训练算法可以将文本和图片分类的绝对 F1 值分别提高 4％和 8％。最后，采用文本和图片分类器的集合进一步平均提高了绝对 F1 值 4％。
