arXiv论文提出PB-AMD优化差分隐私预算分配
热点事件持续更新
arXiv论文提出PB-AMD优化差分隐私预算分配
1 篇报道1 个报道来源17 小时前更新
先了解这件事
AI 综述
Umberto Biccari 在 arXiv 发布论文，提出差分隐私训练中的隐私预算分配算法 PB-AMD。该工作将 DP-SGD 的高斯噪声方差调度建模为开环控制问题，在零集中差分隐私约束下优化固定预算的跨迭代分配。 论文证明每个局部极小值点都会耗尽全部认证预算，并给出平方根分配律；实验显示相比均匀分配等规则在跟踪与预测上有提升，且在相同平稳性容差下调优耗时低于投影梯度下降。
AI 根据报道生成 · 1 小时前更新
最新进展10月29日 20:51
何时花费隐私预算：差分隐私训练中的最优分配方法 PB-AMD报道时间线
沿着报道，了解事件的不同侧面。
10月29日
- arXiv · cs.AI何时花费隐私预算：差分隐私训练中的最优分配方法 PB-AMD
一项 arXiv 研究将 DP-SGD 的高斯噪声方差调度建模为开环控制问题，在零集中差分隐私约束下优化固定隐私预算的跨迭代分配，并提出 Privacy-Budget Adjoint Mirror Descent（PB-AMD）算法。理论证明每个局部极小值点都会耗尽全部认证预算，并给出平方根分配律；实验显示相比均匀分配等规则在跟踪与预测上均有提升，且在相同平稳性容差下调优耗时低于投影梯度下降。
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。