每次查询都重要：探索性数据分析的隐私损失分析
机器学习
2021-07-15 v1 密码学与安全
机器学习
摘要
探索性数据分析是每位数据分析师获取见解、评估数据质量并（如有需要）选择机器学习模型以进一步处理的必要步骤。尽管隐私保护机器学习正在兴起，但初始分析通常不计入隐私预算。在本文中，我们量化了基本统计函数的隐私损失，并强调了在计算机器学习方法的隐私损失预算时考虑它的重要性。
引用
@article{arxiv.2008.12282,
title = {Every Query Counts: Analyzing the Privacy Loss of Exploratory Data Analyses},
author = {Saskia Nuñez von Voigt and Mira Pauli and Johanna Reichert and Florian Tschorsch},
journal= {arXiv preprint arXiv:2008.12282},
year = {2021}
}
备注
Accepted Paper for DPM 2020 co-located ESORICS 2020