研究人员提出差分隐私表格基础模型PrivTab

研究人员 Talal Alrawajfeh 等发布论文，提出差分隐私分类的表格基础模型 PrivTab。该模型将隐私机制嵌入架构，在模拟数据集上预训练，通过上下文学习把敏感行转化为可证明隐私的紧凑摘要。 作者称，在中高强度隐私下，PrivTab 优于私有线性与神经网络基线，成员泄漏可忽略、预测校准良好，并将数据集拟合时间缩短 10000 倍，仅需一次前向传播。以上为论文在模拟数据集上的报告结果。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。