通过公平核心集构建防止数据集的对抗性使用
机器学习
2019-10-25 v1 人工智能
机器学习
摘要
我们提出通过仅发布策略性选择的包含部分样本的数据“核心集”来改善数据集的隐私特性。该核心集在主要任务上能保持强劲性能，但迫使非期望任务上的性能变差。我们给出了适用于线性模型和神经网络的方法，并在数据上展示了其有效性。
引用
@article{arxiv.1910.10871,
title = {Preventing Adversarial Use of Datasets through Fair Core-Set Construction},
author = {Benjamin Spector and Ravi Kumar and Andrew Tomkins},
journal= {arXiv preprint arXiv:1910.10871},
year = {2019}
}
备注
6 pages, 2 figures, NeurIPS 2019 Privacy In Machine Learning Workshop (PriML 2019)