讀書筆記之差分隱私
差分隱私通常用來抵抗成員推理攻擊。在機器學習中引入差分隱私需要權衡實用性和隱私性。
差分隱私定義
差分隱私分類
差分隱私根據噪聲擾動使用的方式和位置來進行分類:
- 輸入擾動:噪聲被加入訓練數據。
- 目標擾動:噪聲被加入學習算法的目標函數。
- 算法擾動:噪聲被加入中間值,例如迭代算法中的梯度。
- 輸出擾動:噪聲被加入訓練後的輸出參數。
差分隱私通常用來抵抗成員推理攻擊。在機器學習中引入差分隱私需要權衡實用性和隱私性。
差分隱私根據噪聲擾動使用的方式和位置來進行分類: