扩散模型采样阶段隐私损失可核算

William Cheng 发表论文，研究扩散模型采样过程本身会带来多少隐私损失，并提出一种可裁剪、隐私可核算的经验去噪器。该去噪器是 Bayes 最优去噪器的免训练估计器，使每个去噪步骤都能显式计算敏感度并构成高斯机制，从而在 Gaussian DP 与 f-DP 框架下完成采样阶段的隐私核算。 此前对扩散模型的隐私分析多集中于训练阶段，这项研究把问题转向采样阶段，给出了逐步核算隐私损失的方法。

AI 根据报道生成 · 49 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。