ExpM+NF：超越 DPSGD 的差分隐私机器学习
原文中文，约300字，阅读约需1分钟。发表于：。我们提出了 ExpM+NF 方法，它通过使用指数机制（ExpM）和辅助归一化流（NF）来在私有数据上训练具有预定差分隐私保证的机器学习（ML）模型。我们在多个分类任务上通过 Logistic 回归和 GRU-D 进行实验，ExpM+NF 实现了非私有训练准确率的 93% 以上，比 DPSGD 具有更高的准确性和更好的隐私保护能力。此工作对差分私有 ML...
ExpM+NF是一种用于在私有数据上训练具有预定差分隐私保证的机器学习模型的方法。实验结果显示，ExpM+NF在多个分类任务上的准确率超过93%，比DPSGD具有更高的准确性和更好的隐私保护能力。该方法对差分私有机器学习的发展具有重要意义，并提出了未来的研究方向。
