motivation:众包数据进行训练过程中,容易造成隐私泄漏。
methods:
- 提出的新算法(LATENT)应用了随机响应的属性——LDP设置和算法的层结构可以使得在不同层级进行隐私保护交流
- 设计了一种新的协议,称为效用增强随机化(UER)
(1)首先对优化的一元编码协议(OUE)进行了改进,提出了一种新的LDP协议modified OUE(MOUE),增强了二进制字符串随机化的灵活性。
(2)OUE是一个LDP协议,遵循随机1和0的不同直觉,以提高效用。
(3)MOUE通过引入一个额外的系数α(隐私预算系数)来实现改进的灵活性,该系数在选择随机化概率时提高了灵活性。 - 然后我们遵循MOUE背后的动机,提出了在高灵敏度的长二进制字符串随机化过程中保持效用的UER。
提出了一个LATENT层,位于flattening层之后,通过加入符合差分隐私的操作之后,当成全连接层的输入。卷积神经网络的结构被划分为:(1)卷积模块(2)随机化模块(3)全连接层。