面向稀疏 Lipschitz 函数的认证隐私数据发布
密码学与安全
2023-08-29 v2
摘要
随着机器学习在日常应用中变得愈发重要，一个自然的要求是保护训练数据的隐私。当相关的学习问题事先未知，或超参数调优起核心作用时，一种解决方案是发布差分隐私合成数据集，使其得出与原始训练数据相似的结论。在这项工作中，我们引入了一种算法，该算法在稀疏 Lipschitz 查询的效用损失方面享有快速收敛速率。此外，我们展示了如何为大类算法获得效用损失的证书。
引用
@article{arxiv.2302.09680,
title = {Certified private data release for sparse Lipschitz functions},
author = {Konstantin Donhauser and Johan Lokna and Amartya Sanyal and March Boedihardjo and Robert Hönig and Fanny Yang},
journal= {arXiv preprint arXiv:2302.09680},
year = {2023}
}
备注
Revision with major changes