自適應(yīng)差分隱私的高效深度學(xué)習(xí)方案

摘要： 深度學(xué)習(xí)在諸多領(lǐng)域取得成功的同時(shí)，也逐漸暴露出嚴(yán)重的隱私安全問題。作為一種輕量級(jí)隱私保護(hù)技術(shù)，差分隱私通過對(duì)模型添加噪聲使得輸出結(jié)果對(duì)數(shù)據(jù)集中的任意一條數(shù)據(jù)都不敏感，更適合現(xiàn)實(shí)中個(gè)人用戶隱私保護(hù)的場(chǎng)景。針對(duì)現(xiàn)有大多差分隱私深度學(xué)習(xí)方案中迭代次數(shù)對(duì)隱私預(yù)算的依賴、數(shù)據(jù)可用性較低和模型收斂速度較慢等問題，提出了一種自適應(yīng)差分隱私的高效深度學(xué)習(xí)方案。首先，基于沙普利加性解釋模型設(shè)計(jì)了...