Skip to content
Hot eventLive

DP-SGD重构误差下界的信息论框架

1 reports1 sources2 hr ago updated

Get the story

AI overview

2026年10月12日，arXiv Statistics Machine Learning（一手）发表论文《从像素到隐私敏感特征：重构误差界的信息论框架》。论文提出一个信息论框架，为DP-SGD训练的模型给出可在训练前计算的重构失真下界；即使对手观察训练参数轨迹、掌握其余训练记录与数据分布，该下界仍适用。框架用条件互信息度量训练泄露，用源熵度量数据固有不确定性，再由率失真理论合成下界。论文称DP-SGD泄露仅取决于采样率与噪声乘子，源熵可由有限样本置信下界估计。目前报道仅涉及该论文内容，尚无后续验证或应用进展。

Generated from reports · updated 2 hr ago

LatestOct 12
2026-10-12论文提出DP-SGD重构失真下界框架，泄露由采样率与噪声乘子决定。

Timeline

Follow the coverage from different angles.

Oct 12, 2026
  1. arXiv · Statistics Machine Learning
    从像素到隐私敏感特征：重构误差界的信息论框架

    论文提出一个信息论框架，为 DP-SGD 训练模型给出可在训练前计算的重构失真下界，对手即使观察训练参数轨迹、掌握其余训练记录与数据分布也适用。该框架用条件互信息度量训练泄露、用源熵度量数据固有不确定性，再由率失真理论合成下界；DP-SGD 泄露仅取决于采样率与噪声乘子，源熵可由有限样本置信下界估计。

Heat trend

There is not enough continuous observation data to draw a trend yet.