面向持续机器遗忘的极小极大高斯机制

研究提出用于牛顿更新在连续删除请求下的高斯机制，借助高斯差分隐私（GDP）及其自适应组合规则，证明整个已发布模型序列在统计上难以与匹配的精确重训练区分。基于计数界的随机游走噪声在删除上限 M 处渐近匹配单次发布的最坏情况方差，而独立噪声则多出约 M 量级的因子；基于集合的界可利用被删除记录的梯度与海森矩阵降低噪声方差。