私人梯度上的数据价值估计

💡 原文中文,约300字,阅读约需1分钟。
📝

内容提要

本研究提出了一种注入相关噪声的方法,以解决差分隐私下数据价值估计的有效性问题。实验证明该方法在多项机器学习任务中表现优越,适用于数据集评估和联邦学习。

🎯

关键要点

  • 本研究提出了一种注入相关噪声的方法。
  • 该方法解决了差分隐私下数据价值估计的有效性问题。
  • 通过注入相关噪声,消除了数据价值估计中不确定性随预算线性扩展的问题。
  • 实验证明该方法在多项机器学习任务中表现优越。
  • 该方法适用于数据集评估和联邦学习等应用场景。
➡️

继续阅读