带参与隐私的持续学习：可审计的缓冲-聚合方案
Continual Learning With Participation Privacy: An Auditable Buffering-Aggregation Recipe
AI 导读
针对持续发布中间模型的联邦与流式学习，作者提出可审计的缓冲-聚合方案，为单编辑相邻用户流提供轨迹级 (ε,δ)-DP 保障。随机化缓冲包装器输出大小在 [U,2U] 之间的分箱，将单编辑流化为 Hamming 式逐箱更新流，U 由隐私参数 (ε,δ) 校准并显式关联隐私与延迟。认证定理给出非自适应 Hamming-邻居 DP 证明何时可扩展到自适应输入，树前缀和等标准原语即可适用。