跳到正文
Apple Machine Learning Research(machinelearning.apple.com)·· 13 天前品質評分56

研究提出用 SVT 改善分散式差異隱私資料選擇

Complexity of Differentially Private Selection via Federated APIs

重點導讀

把資料分散在不同裝置上做隱私分析時,挑出重要資料的準確度可能比集中處理差。

  • 研究指出,只靠一般的加噪彙整方式做私密選擇,至少需要 Ω(d/ϵ) 筆資料。
  • 作者因此提出加入一種實作稀疏向量技巧(SVT)的查詢方式。用這個方法設計的差異隱私演演算法,在 n 相對 d 為多項式範圍時,選擇結果的加法誤差可達 O(log(dn)/ε),與中央模型相當,預期 SVT 查詢次數為 O(d log* d)。研究也指出,這種做法可用於損失最小化、熱門專案辨識與稀疏平均值估計。

AI 伴隨問答

自備 Key 深度分析

針對這篇報導有疑問?可直接點選快捷問題或向 AI 追問背景脈絡與技術細節:

信源出處machinelearning.apple.com

Complexity of Differentially Private Selection via Federated APIs

本文為 888news 精選之重點導讀。若需閱讀作者完整原文、技術細節與官方討論,請前往原始網站。

開啟原文
來源: Apple Machine Learning Research (machinelearning.apple.com)
開啟原文

讀者討論

理性交流 · 即時討論