随机虚拟数据点机制改善差分隐私批次保护

Vitaly Feldman、Audra McMillan 和 Kunal Talwar 提出一种通过随机加入虚拟数据点（dummy points）保护批次大小的差分隐私机制，使差分隐私随机梯度下降（DP-SGD）在批次大小可被观察、批次可能被截断的情况下，仍能维持隐私保证。 该机制支持 Poisson 采样和随机分配，并针对截断批次优化隐私损失计算。研究者通过实验表明，在采用 Poisson 采样且批次被截断时，该机制相比 Ganesh 于 2025 年提出的直接截断隐私核算方法，实现了更好的隐私与效率权衡。</escape>

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。