arXiv cs.LG· Talal Alrawajfeh, Cristiana Diaconu, Ossi R\"ais\"a, Sebastian Rodriguez Beltran, Yuan He, John Bronskill, Richard E. Turner, Antti Honkela·· 6 小时前AI 评分27
PrivTab：一种高效可证明隐私的表格基础模型分类方法
Efficient Provably Private Classification with a Tabular Foundation Model
AI 导读
研究者提出 PrivTab，一种将隐私机制嵌入架构的差分隐私表格基础模型，在模拟数据集上预训练，通过上下文学习将敏感行转化为可证明隐私的紧凑摘要。在中等至强隐私约束下，PrivTab 优于私有线性与神经网络基线，成员泄漏可忽略，强隐私下预测仍保持良好校准，并将数据集拟合时间缩短 10,000 倍，仅需一次前向传播。
来源：arXiv cs.LG · arxiv.org