数据隐私的新视角
New perspective on data privacy
由麻省理工学院（MIT）的研究人员开发的一种新度量标准允许向模型中添加少量噪声，以保护敏感数据的同时保持模型的准确性。
与”可能准确性（PAC）隐私”度量标准配套的框架可以自动确定添加的最小噪声量，而无需了解模型的内部工作原理。
PAC隐私考虑了添加噪声后对敏感数据进行重构的对手的困难程度，并根据对手的视角中原始数据的熵确定最佳噪声量。
它在不同的数据子样本上多次运行用户的机器学习训练算法，通过比较所有输出的方差来计算必须添加多少噪声。来自MIT新闻的完整文章
摘要版权所有©2023 SmithBucklin，华盛顿特区，美国 
