持续机器遗忘的极小极大高斯机制

Qi Kuang 提出一种面向持续机器遗忘的极小极大高斯机制，用于处理牛顿更新在连续删除请求下的隐私问题。该机制借助高斯差分隐私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。 在噪声设计上，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。

AI 根据报道生成 · 2 天前更新

还没有足够的连续观测数据，暂不绘制趋势。