从隐私标签进行多标签学习
机器学习
2023-12-22 v1 密码学与安全
摘要
多标签学习（MLL）通常涉及为每个实例分配多个相关标签，这可能导致实例敏感信息（如吸烟、疾病等）的泄露。然而，现有的 MLL 方法在保护敏感信息方面存在不足。在本文中，我们提出了一种名为从隐私标签进行多标签学习（MLLPL）的新设置，即通过隐私标签单元（CLPLU）隐藏标签。具体而言，在标注阶段，每个隐私标签与一个非隐私标签随机组合，形成一个隐私标签单元（PLU）。如果 PLU 内的任何标签为正，则该单元被标记为正；否则被标记为负，如图 1 所示。PLU 确保标签集中仅出现非隐私标签，而隐私标签保持隐藏。此外，我们进一步提出了隐私标签单元损失（PLUL），通过最小化 PLU 的经验风险来学习最优分类器。在多个基准数据集上的实验结果证明了所提方法的有效性和优越性。
引用
@article{arxiv.2312.13312,
title = {Multi-label Learning from Privacy-Label},
author = {Zhongnian Li and Haotian Ren and Tongfeng Sun and Zhichen Li},
journal= {arXiv preprint arXiv:2312.13312},
year = {2023}
}