本文介绍了一种名为“判别性对抗隐私”（DAP）的新学习技术，旨在平衡模型性能、速度和隐私。DAP通过对抗训练和新损失函数最小化预测误差，并引入“准确性隐私权”（AOP）指标来衡量性能与隐私的权衡。研究还比较了DAP与不同差分隐私（DP）场景的效果，分析了其在性能、时间和隐私保护方面的表现。

本文介绍了一种名为“判别性对抗隐私”（DAP）的新型学习技术，通过对抗训练来解决差分隐私（DP）的局限性。该技术使用新的损失函数最小化预测误差并最大化MIA的误差。同时引入了“准确性隐私权”（AOP）指标来衡量性能和隐私权衡。通过与不同的DP情景比较，验证了DAP的有效性。