变分泄漏：信息复杂度在隐私泄漏中的作用
机器学习
2021-06-09 v2 密码学与安全
摘要
我们研究了信息复杂度在关于对手感兴趣的某一属性（系统设计师事先未知）的隐私泄漏中的作用。考虑监督式表示学习设置，并使用神经网络来参数化信息量的变分界，我们研究了以下因素对信息泄漏量的影响：信息复杂度正则化权重、潜空间维度、已知效用属性集与未知敏感属性集的基数、效用与敏感属性间的相关性，以及对手感兴趣敏感属性中潜在的偏差。我们在Colored-MNIST与CelebA数据集上进行了大量实验，以评估信息复杂度对固有泄漏量的影响。
引用
@article{arxiv.2106.02818,
title = {Variational Leakage: The Role of Information Complexity in Privacy Leakage},
author = {Amir Ahooye Atashin and Behrooz Razeghi and Deniz Gündüz and Slava Voloshynovskiy},
journal= {arXiv preprint arXiv:2106.02818},
year = {2021}
}