具有差分隐私的深度学习
机器学习
2018-12-21 v2 密码学与安全
机器学习
摘要
基于神经网络的机器学习技术在众多领域取得了显著成果。通常，模型训练需要大型、有代表性的数据集，这些数据集可能来自众包并包含敏感信息。模型不应暴露这些数据集中的隐私信息。针对这一目标，我们在差分隐私框架内开发了新的学习算法技术，并对隐私成本进行了精细分析。我们的实现和实验表明，我们可以在适度的隐私预算下，以可控的软件复杂性、训练效率和模型质量成本，训练具有非凸目标的深度神经网络。
引用
@article{arxiv.1607.00133,
title = {Deep Learning with Differential Privacy},
author = {Martín Abadi and Andy Chu and Ian Goodfellow and H. Brendan McMahan and Ilya Mironov and Kunal Talwar and Li Zhang},
journal= {arXiv preprint arXiv:1607.00133},
year = {2018}
}