یکی از چالشهای بزرگ در یادگیری ماشین، حفظ حریم خصوصی (Privacy) در حین آموزش مدلهاست. تکنیک DP-SGD با اینکه از دادهها محافظت میکند، اما متأسفانه دقت نهایی مدل را کاهش میدهد.
محققان در مطالعه جدید خود، تکنیک نوآورانهای به نام NoiseCurve معرفی کردهاند که با استفاده از «انحنای مدل» (Model Curvature) و دادههای عمومی، نویزهای موجود در مراحل مختلف آموزش را همبسته (Correlated) میکند. نتیجه؟ حذف بخشی از نویزهای اضافه و رسیدن به دقت بسیار بالاتر نسبت به روشهای سنتی.
این تحقیق گام مهمی برای رسیدن به مدلهایی است که هم حریم خصوصی کاربران را رعایت کنند و هم دقت عملکرد خیرهکنندهای داشته باشند! ✨
منبع: arXiv Machine Learning