基于集体图模型的差分隐私无向图模型学习
Differentially Private Learning of Undirected Graphical Models using Collective Graphical Models
AI 导读
研究提出基于集体图模型与 EM 框架的差分隐私离散无向图模型学习方法，通过 Laplace 机制发布加噪充分统计量。直接使用这些统计量的朴素算法优于通用差分隐私学习算法，但会忽略数据生成过程、理论依据不确定，并出现病态表现。在合成数据和真实人类移动数据上，该方法学到的模型优于对比方法。