跳到正文
arXiv · AI· Valentin Dorseuil (DI-ENS), Meenatchi Sundaram Muthu Selva Annamalai (UCL), Jamal Atif (CMAP), Olivier Capp\'e (DI-ENS), Nicolas Papernot (Inria)·· 4 小时前AI 评分25

差分隐私下选择偏差的可靠估算

Reliable Estimation of Differential Privacy under Selection Bias

AI 导读

现有统计隐私审计中常用的成员推断攻击(MIA)存在选择偏差,导致隐私泄露下界估计无效且偏高。 研究使用统计文献工具修正该偏差,发现未经修正的审计违反理论上限的频率高达其标称置信水平的4倍。 应用修正后,所得下界在统计上有效,违规频率降至名义水平以内。

来源:arXiv · AI · arxiv.org