使用半敏感特征训练差分隐私广告预测模型
机器学习
2024-01-30 v1 密码学与安全
信息检索
摘要
受数字广告中出现的问题启发，我们引入了使用半敏感特征训练差分隐私（DP）机器学习模型的任务。在该设定中，攻击者已知部分特征（因此无需保护），而其余特征及标签对攻击者未知，应受 DP 机制保护。该任务介于使用完全 DP（其中标签和所有特征均应被保护）训练模型与使用标签 DP（其中所有特征被视为已知，仅标签应被保护）训练模型之间。我们提出了一种使用半敏感特征训练 DP 模型的新算法。通过在真实广告数据集上的实证评估，我们证明了我们的算法在效用上超越了以下基线：对所有特征（已知和未知）运行的 DP 随机梯度下降（DP-SGD），以及仅在已知特征上运行（丢弃未知特征）的标签 DP 算法。
引用
@article{arxiv.2401.15246,
title = {Training Differentially Private Ad Prediction Models with Semi-Sensitive Features},
author = {Lynn Chua and Qiliang Cui and Badih Ghazi and Charlie Harrison and Pritish Kamath and Walid Krichene and Ravi Kumar and Pasin Manurangsi and Krishna Giri Narra and Amer Sinha and Avinash Varadarajan and Chiyuan Zhang},
journal= {arXiv preprint arXiv:2401.15246},
year = {2024}
}
备注
7 pages, 4 figures