指数选择中局部敏感度的有效校准方法
热点事件观察中
指数选择中局部敏感度的有效校准方法
1 篇报道1 个报道来源3 天前更新
先了解这件事
AI 综述
针对差分隐私指数机制中数据集相关敏感度能否安全替代全局敏感度的问题,Dung Nguyen 提出三类有效校准方法:对局部敏感度做私有高概率上界并推广至有限高阶敏感度层级;PTR 变体在有限公开网格上私有搜索温度参数;平滑敏感度支持多种设计,其中候选无关的平滑几何构造给出局部抑制框架下可接受的敏感度包络,对数变换则得到全局敏感度受控且保留原效用最大者的平滑得分函数。这些方法旨在让局部敏感度在隐私选择中安全替代全局敏感度。
AI 根据报道生成 · 2 天前更新
最新进展10月8日 20:45
指数选择中的局部敏感度:失效模式与有效校准报道时间线
沿着报道,了解事件的不同侧面。
10月8日
- arXiv 隐私论文指数选择中的局部敏感度:失效模式与有效校准
针对差分隐私指数机制中数据集相关敏感度能否安全替代全局敏感度的问题,研究提出三类有效校准方法:对局部敏感度做私有高概率上界并推广至有限高阶敏感度层级;PTR 变体在有限公开网格上私有搜索温度参数;平滑敏感度支持多种设计,其中候选无关的平滑几何构造给出局部抑制框架下可接受的敏感度包络,对数变换则得到全局敏感度受控且保留原效用最大者的平滑得分函数。
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。