差分隐私重节点分类新算法BetweenCut提出
热点事件历史事件
差分隐私重节点分类新算法BetweenCut提出
1 篇报道1 个报道来源4 天前更新
先了解这件事
AI 综述
研究者提出一种名为 BetweenCut 的差分隐私算法，用于树结构中的重节点分类问题。该算法满足 (ε,δ)-差分隐私，加性误差为 O_{ε,δ}(log log h)，其中 h 为树高。 据研究者称，这一误差界优于现有方法在树高 h 下的 Ω_{ε,δ}(log h) 或 Ω_{ε,δ}(√log h) 误差界，即在高树情形下误差随树高增长更慢。
AI 根据报道生成 · 3 天前更新
最新进展10月7日 21:41
BetweenCut：树高双对数误差的差分隐私重节点分类算法报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv 隐私论文BetweenCut：树高双对数误差的差分隐私重节点分类算法
针对树结构中重节点分类问题，研究者提出 (\varepsilon,\delta)-DP 算法 BetweenCut，其加性误差为 O_{\varepsilon,\delta}(\log\log h)，优于现有方法在树高 h 下的 Ω_{\varepsilon,\delta}(\log h) 或 Ω_{\varepsilon,\delta}(\sqrt{\log h}) 误差界。