差分隐私的"Draw and Discard"机器学习框架

作者提出面向客户端分布式机器学习的差分隐私框架"Draw and Discard"，在本地隐私模型下提供差分隐私保证，并采用异步客户端-服务器通信。该框架靠随机采样模型实现负载分配与可扩展性，同时带来服务器端隐私保护和经平均提升的模型质量。作者将其应用于广义线性模型学习，分析了针对多种对手的隐私保证，实验显示该框架在实际部署中可行。