双方差分隐私下数据兼容性判定算法
热点事件持续更新
双方差分隐私下数据兼容性判定算法
1 篇报道1 个报道来源14 小时前更新
先了解这件事
AI 综述
Mahdi Haghifam 提出一种算法，用于在 ε-双方差分隐私下判断双方数据能否由同一分类器联合拟合，且不向对方泄露各自数据点。 对实数域上规模为 m 的阈值，该算法所需的最优错误阈值 t 为 Õ(log log m/ε)，远小于隐私学习阈值所需的 Θ(log m/ε)；对 ℝ^d 中的半空间，给出 t=Õ(d³log m/ε) 的协议，并证明某些域需 t=Ω(d log(m/d)/ε)。
AI 根据报道生成 · 2 小时前更新
最新进展11月3日 02:40
双方是否应合并数据？隐私评估数据共享的算法与极限报道时间线
沿着报道，了解事件的不同侧面。
11月3日
- arXiv 隐私论文双方是否应合并数据？隐私评估数据共享的算法与极限
论文研究两方在 ε-双方差分隐私下、不向对方泄露各自数据点的前提下，判断能否用同一分类器联合拟合双方数据。对实数域上规模为 m 的阈值，最优错误阈值 t 为 Õ(log log m/ε)，远小于隐私学习阈值所需的 Θ(log m/ε)。对 ℝ^d 中的半空间，给出 t=Õ(d³log m/ε) 的协议，并证明某些域需 t=Ω(d log(m/d)/ε)。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。