基于隐藏状态假设的差分隐私神经网络训练
原文中文，约300字，阅读约需1分钟。发表于：。我们提出了一种名为差分隐私随机块坐标下降（DP-SBCD）的新方法，用于训练神经网络并在隐藏状态假设下提供可证明的差分隐私保证。我们的方法将 Lipschitz...
我们提出了一种名为差分隐私随机块坐标下降（DP-SBCD）的新方法，用于训练神经网络并在隐藏状态假设下提供可证明的差分隐私保证。该方法将差分隐私在隐藏状态假设下的分析扩展到包括非凸问题和采用近端梯度下降算法的情况。此外，通过利用自适应分布中采样的校准噪声，产生了在效用和隐私之间改进的经验权衡。
