发表服务
结合顺序和并行组合，我们设计了一个新颖的boosting框架，以充分利用GBDT的隐私预算和提升效果。.我们的方法可以满足差分隐私的需求，同时提高精度.GBDT主要是boosting的时候，把残差用负梯度代替了.简单说，本文主要是在敏感度计算上得到了更精确的值...
IJCAI2021差分隐私必读论文推荐作者:清华AMiner团队时间:2021-08-0514:36论文可下载！IJCAI全称国际人工智能联合会议，是人工智能领域中最主要的学术会议之一。IJCAI2021由于疫情影响，也将于线上举行，本次会议在4204篇投稿论文中，有587篇论文...
基于差分隐私的移动社交网络技术软件工程研究.本文是一篇软件工程论文研究，本论文的研究目的在移动社交网络和大数据技术快速发展的背景情况下，对用户发布的个人隐私数据的安全保护问题亟待解决。.对社交网络中不同的隐私需求，防止节点重新识别与...
最近一直在学习差分隐私，刚开始学的时候由于对这方面的知识不太清楚，一直处于模模糊糊的理解状态。现在学习了一段时间后开始有了一些初步的认识，所以把学习过程中的一些知识总结一下，方便以后复习，也为其他的…
隐私保护研究（差分隐私）方向有没有人分享一下自己研究经历？.https://看到评论说algorithmicfoundationsofdifferentialprivacy这本书比较难懂。.确实，理解这本书里的一些细节(比如2.2)需要有基本的密码学的认识(作者之一的dwork有密码学背景)，建议选择一门...
此外，结合差分隐私模型的并行组合特性，分层扰动用户数据，从总体上实现发布数据的ε-差分隐私保护。实验结果表明，KDG-HT算法适用于多种分布情况的大规模空间数据集，查询精度及时间效率均优于其他方法，其中与GT-R算法相比发布数据的查询精度最高提高了三倍，时间效率提升了17%。
硕士博士毕业论文—面向本地差分隐私的数据可用性优化方法研究致谢第1-7页摘要第7-9页Abstract第9-20页第一章绪论第20-34页1.1研究背景第20-23页
博士毕业论文—《面向本地差分隐私的数据可用性优化方法研究》致谢第1-7页摘要第7-9页Abstract第9-20页第一章绪论第20-34页1.1研究背景第20-23页
我们第一次证明了带有差分隐私的深度神经网络的训练会引起适度的整体隐私损失，这是在带有许多参数的整体模型上计算得到的。在我们MNIST的实验中，我们实现了97%的训练准确度；在CIFAR-10的实验中准确度为73%，两者都带有（8,10^-5）的差分隐私。
第51项授权发明专利：跨DIKW模态类型化隐私信息资源差分保护方法与系统已有580次阅读2021-10-2518:25|系统分类:论文交流数据、信息、知识与智慧融合-DIKW团队课题组第51项授权中国…
结合顺序和并行组合，我们设计了一个新颖的boosting框架，以充分利用GBDT的隐私预算和提升效果。.我们的方法可以满足差分隐私的需求，同时提高精度.GBDT主要是boosting的时候，把残差用负梯度代替了.简单说，本文主要是在敏感度计算上得到了更精确的值...
IJCAI2021差分隐私必读论文推荐作者:清华AMiner团队时间:2021-08-0514:36论文可下载！IJCAI全称国际人工智能联合会议，是人工智能领域中最主要的学术会议之一。IJCAI2021由于疫情影响，也将于线上举行，本次会议在4204篇投稿论文中，有587篇论文...
基于差分隐私的移动社交网络技术软件工程研究.本文是一篇软件工程论文研究，本论文的研究目的在移动社交网络和大数据技术快速发展的背景情况下，对用户发布的个人隐私数据的安全保护问题亟待解决。.对社交网络中不同的隐私需求，防止节点重新识别与...
最近一直在学习差分隐私，刚开始学的时候由于对这方面的知识不太清楚，一直处于模模糊糊的理解状态。现在学习了一段时间后开始有了一些初步的认识，所以把学习过程中的一些知识总结一下，方便以后复习，也为其他的…
隐私保护研究（差分隐私）方向有没有人分享一下自己研究经历？.https://看到评论说algorithmicfoundationsofdifferentialprivacy这本书比较难懂。.确实，理解这本书里的一些细节(比如2.2)需要有基本的密码学的认识(作者之一的dwork有密码学背景)，建议选择一门...
此外，结合差分隐私模型的并行组合特性，分层扰动用户数据，从总体上实现发布数据的ε-差分隐私保护。实验结果表明，KDG-HT算法适用于多种分布情况的大规模空间数据集，查询精度及时间效率均优于其他方法，其中与GT-R算法相比发布数据的查询精度最高提高了三倍，时间效率提升了17%。
硕士博士毕业论文—面向本地差分隐私的数据可用性优化方法研究致谢第1-7页摘要第7-9页Abstract第9-20页第一章绪论第20-34页1.1研究背景第20-23页
博士毕业论文—《面向本地差分隐私的数据可用性优化方法研究》致谢第1-7页摘要第7-9页Abstract第9-20页第一章绪论第20-34页1.1研究背景第20-23页
我们第一次证明了带有差分隐私的深度神经网络的训练会引起适度的整体隐私损失，这是在带有许多参数的整体模型上计算得到的。在我们MNIST的实验中，我们实现了97%的训练准确度；在CIFAR-10的实验中准确度为73%，两者都带有（8,10^-5）的差分隐私。
第51项授权发明专利：跨DIKW模态类型化隐私信息资源差分保护方法与系统已有580次阅读2021-10-2518:25|系统分类:论文交流数据、信息、知识与智慧融合-DIKW团队课题组第51项授权中国…
发表服务