arXiv · Machine Learning· Vitaly Feldman, Moshe Shenfeld·· 8 小时前AI 评分47
基于 Multiscale FFT 的随机分配采样快速隐私损失核算
Fast Privacy Loss Accounting for Random Allocation via Multiscale FFT
AI 导读
Multiscale FFT 算法加速随机分配采样下的隐私损失分布（PLD）核算，将运行时间对精度参数 α 的依赖从 O(α⁻²) 降至 O(α⁻¹ log(1/α))，同时保留原有核算保证。结合均值保持的 connect-the-dots 投影，舍入误差降至 O(α²/log(t))；实验显示，高精度场景下提速数个数量级，并改善采用 PREAMBLE 的 DP-SGD 隐私界限。
来源：arXiv · Machine Learning · arxiv.org