跳到正文
arXiv · ML· Adya Agrawal, Yu Wei, Jaspal Singh, Malik Magdon-Ismail, Vassilis Zikas·· 2026-10-16AI 评分25

Let's Ask Gauss:改进单次运行差分隐私审计

Let's Ask Gauss: Improved One-Run Privacy Auditing

AI 导读

针对差分隐私机器学习中的单次运行审计,现有方法将训练示例或“金丝雀”阈值化为二元成员猜测,丢弃了有用信息。 研究指出,在 DP-SGD 白盒设置下,金丝雀对齐信号形成的随机变量序列归一化和渐近服从高斯分布,该视角可扩展至满足经典、三角阵或鞅中心极限定理的其他组合机制。 利用这一分布视角开发的审计框架,能从单次训练运行中得出更紧的隐私下界,提升了隐私保证验证效率。

来源:arXiv · ML · arxiv.org