跳到正文
热点事件持续更新

SPLICE差分隐私合成数据算法发布

1 篇报道1 个报道来源3 小时前更新

先了解这件事

AI 综述

2026年11月2日，Lucas Rosenblatt、R. Teal Witter及Christopher Musco在arXiv发布论文，提出名为SPLICE的差分隐私合成数据算法。该算法通过测量目标分布的噪声切片切比雪夫矩并拟合分布，有效解决了高维场景下的“维度灾难”问题。 在性能表现上，当样本量为n时，SPLICE生成的分布与目标分布在Sliced Wasserstein-1距离上的误差为~O(1/√n)。该误差界的关键特性是独立于数据维度d，标志着算法在处理高维数据时具备良好的可扩展性。 SPLICE算法利用张量分解工具实现，在基准测试中达到了当前差分隐私合成数据方法的最先进性能。尽管这是首次报道，但详细技术机制的后续验证与对比数据尚未在现有报道中体现。

AI 根据报道生成 · 3 小时前更新

最新进展11月2日 13:00
SPLICE：基于切片切比雪夫矩的差分隐私合成数据算法

报道时间线

沿着报道，了解事件的不同侧面。

11月2日
  1. arXiv · ML
    SPLICE：基于切片切比雪夫矩的差分隐私合成数据算法

    算法 SPLICE 通过测量目标分布的噪声切片 Chebyshev 矩并拟合分布，解决了差分隐私合成数据在高维下的“维度灾难”。在 n 个样本下，SPLICE 生成的分布与目标在 Sliced Wasserstein-1 距离上误差为 $\tilde{O}(1/\sqrt{n})$，且该界独立于数据维度 d。该算法利用张量分解工具实现，在基准测试中达到差分隐私合成数据方法的最先进性能。

本事件热度走势

可比范围当前
9
可比范围峰值
1011月2日 14:00
近 24 小时变化
–

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。