私有预测的权衡
机器学习
2020-07-13 v1 机器学习
摘要
机器学习模型每次给出预测时都会泄露其训练数据的信息。当训练数据需保持私密时，这是有问题的。私有预测方法限制每次预测所泄露的训练数据信息量。私有预测也可通过使用由私有训练方法训练的模型来实现。在私有预测中，私有训练与私有预测方法均表现出隐私、隐私失败概率、训练数据量与推断预算之间的权衡。尽管这些权衡在理论上已被充分理解，却极少被实证考察。本文呈现首个关于私有预测权衡的实证研究。我们的研究阐明了哪些方法最适合哪些学习设定。或许令人惊讶的是，我们发现私有训练方法在广泛的私有预测设定中优于私有预测方法。
引用
@article{arxiv.2007.05089,
title = {The Trade-Offs of Private Prediction},
author = {Laurens van der Maaten and Awni Hannun},
journal= {arXiv preprint arXiv:2007.05089},
year = {2020}
}