arXiv 隐私论文· Mohammad Afzali·· 1 天前AI 评分45
论文证明 Ashtiani 猜想：所有可学习分布类均可在差分隐私下学习
Actually, All Learnable Distribution Classes Are Privately Learnable
AI 导读
一篇 arXiv 论文证明，凡能以有限样本在总变差距离下学习至任意小目标误差的分布类，也能在（ε, δ）-差分隐私下以有限样本学习至任意小误差，从而证实了 Ashtiani 的猜想。此前 Bun、Kamath、Mouzakis 与 Singhal（arXiv:2402.00267）曾给出弱反驳，指出当可学习性以固定目标误差定义时该蕴含关系不成立；新工作表明在标准可学习性定义下猜想成立。
来源：arXiv 隐私论文 · arxiv.org