Gauss框架改进单次运行隐私审计

Adya Agrawal 等作者提出一种基于高斯分布视角的差分隐私审计框架，能够从单次训练运行中获得更紧的隐私下界。该方法利用 DP-SGD 中 canary 对齐信号的渐近高斯性质，将单次运行数据用于审计隐私保证。 论文称，这一框架还可扩展到满足经典中心极限定理、三角阵列中心极限定理或鞅中心极限定理的其他组合机制。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。