新方法用汇总统计量判断隐私外部数据是否有用

Filip Kovačević等作者发表论文，提出一种基于高维回归与加权岭估计器的数据集选择方法，用于隐私迁移学习。该方法仅依赖汇总统计量，即可判断外部数据能否改善预测，并可在不访问数据本身的情况下优化超参数、判断私有外部数据集是否有用。 论文称，该方法在标签或特征与标签联合上提供ρ-零集中差分隐私保证。其核心技术贡献是测试误差的确定性等价，刻画了样本量、协方差结构、模型偏移、正则化与隐私噪声之间的交互。

AI 根据报道生成 · 14 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。