10:12
官方账号arXiv cs.LG@Nikita P. Kalinin, Rasmus Pagh
推荐理由：这篇论文提出了一种更实用的差分隐私机制，在DP-SGD中能用更少的真随机数实现同等隐私保护，对关注隐私保护的开发者很有价值。
DP-SGD
共 1 条相关 AI 资讯
7月8日
10:12
本文提出了一种名为Dithered Gaussian Mechanism的新机制，作为离散高斯机制的替代方案。该机制通过对高斯机制的输出进行后处理离散化，继承了标准高斯机制的隐私保证，并避免了浮点数精度漏洞。理论证明，该机制能显著减少高质量随机位的需求，并使其独立于噪声水平。在DP-SGD的应用中，该机制实现了加密级随机性生成，且实际开销可控。