![](https://img-blog.csdnimg.cn/20201014180756926.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
差分隐私
文章平均质量分 94
记录差分隐私学习历程
_RichardYang
陌上人如玉,公子世无双
展开
-
差分隐私与机器学习
注意事项需要有一定的机器学习、差分隐私基础差分隐私基础知识如何部署具有差异隐私的机器学习?在机器学习的许多应用中,例如用于医学诊断的机器学习,我们希望机器学习算法不记住有关训练集的敏感信息,例如个体患者的特定病史。差分隐私是一个概念,它允许量化算法在其运行的底层(敏感)数据集上提供隐私保护程度。通过差分隐私的视角,我们可以设计机器学习算法以至于在私有数据上负责任地训练模型。为什么我们需要私有机器学习算法?机器学习算法的工作原理是研究大量数据并更新其参数以编码该数据中的关系。理想情况下,我们希翻译 2022-03-06 20:44:03 · 2830 阅读 · 5 评论 -
差分隐私基础知识-上
差分隐私定义:假设一个随机函数 M , 使得 M 在任意两个相邻的数据集 D 和 D’(即||D -D'||_1 <= 1)上得到任意相同输出集合 S 的概率满足:Pr[M(D) ∈ S] ⩽ exp(ε) * Pr[M(D′) ∈ S] + δ 则称该随机函数 M 满足(ε,δ)-differential privacy,简写为(ε,δ)-DP这种形式的差分隐私是宽松的. 当 δ=0 时,称为 ε-DP也就是纯差分隐私定义. 其中 ε 称为隐私预算.部分内容说明隐私损失差分隐私(DP原创 2022-02-27 22:24:51 · 7326 阅读 · 0 评论