研究者提出差分隐私表格生成模型SAVANT
热点事件观察中
研究者提出差分隐私表格生成模型SAVANT
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
Rohit Sadavarte 提出 SAVANT，一种用 DP-SGD 训练的自注意力变分自编码器，用于生成表格数据。据其论文称，这是首个将注意力机制、VAE 与差分隐私结合在同一表格模型中的方案。 在两个公开数据集上，研究联合考察隐私预算与数据规模：相同差分隐私保证下，数据越多效用越高；边际机制（PrivBayes、MST）能吸收严格预算的大部分代价，而噪声缩放论证显示 DP-SGD 以数据换预算的兑换率更差。
AI 根据报道生成 · 25 分钟前更新
最新进展11月4日 04:12
SAVANT：差分隐私自注意力变分自编码器的隐私—数据量权衡研究报道时间线
沿着报道，了解事件的不同侧面。
11月4日
- arXiv 隐私论文SAVANT：差分隐私自注意力变分自编码器的隐私—数据量权衡研究
研究者提出 SAVANT——首个将注意力机制、VAE 与差分隐私结合在同一表格数据模型中的自注意力变分自编码器，用 DP-SGD 训练。在两个公开数据集上联合考察隐私预算与数据规模后发现，相同 DP 保证下数据越多效用越高，边际机制（PrivBayes、MST）能吸收严格预算的大部分代价，而噪声缩放论证表明 DP-SGD 以数据换预算的兑换率更差。
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。