隐私与公平:信息混淆用于本地差分隐私的公平表示学习
发表于: 。通过引入信息瓶颈进行本地差分隐私的信息混淆方法,该研究旨在开发和分析一种理论框架,实现公平表示学习,并展示 LDP 随机化器在编码过程中提高公平性的能力。基于所提出的方法,我们进一步发展了一种同时实现 LDP 和公平性的变分表示编码方法,并通过广泛的实验验证了我们的理论结果,并展示了我们的方法在保持足够效用的同时能够实现 LDP 和公平性的能力。
通过引入信息瓶颈进行本地差分隐私的信息混淆方法,该研究旨在开发和分析一种理论框架,实现公平表示学习,并展示 LDP 随机化器在编码过程中提高公平性的能力。基于所提出的方法,我们进一步发展了一种同时实现 LDP 和公平性的变分表示编码方法,并通过广泛的实验验证了我们的理论结果,并展示了我们的方法在保持足够效用的同时能够实现 LDP 和公平性的能力。