最新《分布式差分隐私》报告，65页ppt

差分隐私(DP)是保护隐私的敏感数据，同时保持其实用性的一个最成功的提议。在这次演讲中,我们将简要介绍DP框架,然后提出一个新的机制来实现分布式DP。也就是说，在一个数据收集分布在不同组织中的场景中，这些组织不希望公开原始数据，而只希望公开它们经过脱敏的版本，并且仍然可以从合并来自不同来源的信息的优点中获益。我们提出的机制特别适合于统计期望最大化方法的一种变体的应用，由于这种方法，原始数据的效用可以被检索到一个近似的检索度，而不影响原始数据所有者的隐私。

https://sites.google.com/view/federatedlearning-workshop/schedule

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“DP65” 就可以获取《最新《分布式差分隐私》报告，65页ppt》专知下载链接

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取5000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取5000+AI主题知识资源