抖动高斯机制提升差分隐私随机性效率

1. 12:00
   arXiv：cs.LG

   面向随机性高效差分隐私的抖动高斯机制

   研究者提出抖动高斯机制（dithered Gaussian mechanism），通过对私有输出而非噪声分布本身进行离散化，直接继承标准高斯机制的隐私保证，并规避有限精度浮点输出带来的漏洞。该机制将随机性拆分为隐私关键采样所需的高质量随机源与可公开的高性能随机源，使所需高质量随机比特数显著减少且与噪声水平无关。在 DP-SGD 模型训练中，该方案以适度的实际开销实现密码学安全噪声生成。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。