跳到正文
arXiv · ML· Henry Bourne, Robert F. Allison·· 2026-10-12AI 评分25

基于信息论框架的DP-SGD重构误差下界:从像素到隐私敏感特征

From Pixels to Privacy-Sensitive Features: An Information-Theoretic Framework for Reconstruction Bounds

AI 导读

研究者建立了可预先计算的失真界,分离条件互信息泄露与数据源熵,为DP-SGD模型训练提供隐私重构误差下界。 该框架结合率失真理论,通过正交块构建保持高维图像有效性,并在LPIPS特征空间首次获得重构失真下界。 在多种图像数据集上,该下界证明了启发式隐私预算范围内存在非平凡不可避免的重构误差。

来源:arXiv · ML · arxiv.org