附议：高斯差分隐私
密码学与安全
2021-06-29 v2 机器学习
统计理论
机器学习
统计理论
摘要
在本附议中，我们旨在解决涵盖讨论中多数评论的两类广泛问题。首先，我们讨论本工作的若干理论方面，并评论该工作可能如何影响隐私保护数据分析的理论基础。随后从实际视角，我们讨论 f-差分隐私（f-DP）与高斯差分隐私（GDP）如何在一系列应用中发挥作用。
引用
@article{arxiv.2104.01987,
title = {Rejoinder: Gaussian Differential Privacy},
author = {Jinshuo Dong and Aaron Roth and Weijie J. Su},
journal= {arXiv preprint arXiv:2104.01987},
year = {2021}
}
备注
Updated the references. Rejoinder to discussions on Gaussian Differential Privacy, read to the Royal Statistical Society in December 2020