BriefGPT - AI 论文速递
·
关于输出扰动对二元线性分类中公平性的影响
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文研究了差分隐私与个体公平性和群体公平性的相互作用。作者关注输出扰动机制，导出了对扰动模型相对于原始模型可以实现的个体和群体公平性水平的高概率界限。输出扰动对个体公平性的影响是有界的，但随着模型维度增长而增加。群体公平性受角余量分布的影响。
🎯
关键要点
-
本文研究差分隐私与个体公平性和群体公平性的相互作用。
-
关注输出扰动机制，这是隐私保护机器学习的经典方法。
-
导出了扰动模型相对于原始模型的个体和群体公平性水平的高概率界限。
-
输出扰动对个体公平性的影响是有界的，但随着模型维度增长而增加。
-
群体公平性受角余量分布的影响，具体是非私有模型的带符号余量通过每个示例的范数重新缩放。
➡️
