محققان در یک دستاورد فنی جدید، فریمورک نوآورانهای را برای آموزش مدلهای یادگیری عمیق معرفی کردهاند که بدون فدا کردن دقت، حریم خصوصی دادهها را به شکل بهتری حفظ میکند.
در این روش، به جای خصوصیسازی کل دادهها (که گاهی باعث کاهش دقت مدل میشود)، محققان فقط دادههای ورودی را با استفاده از مکانیزم Dirichlet به صورت خصوصی درآورده و لیبلها را عمومی نگه میدارند. نتیجه این کار شگفتانگیز است: ثبت رکوردهای جدید دقت در بنچمارکهای معروفی مثل CIFAR10 و MNIST! این یعنی مدلهای ما میتوانند دقیقتر باشند و همزمان امنیت اطلاعات حساس ما را نیز بهتر تامین کنند. 🛡️💡
منبع: arXiv Machine Learning
