基于差分隐私的分类器评估算法

基于差分隐私的分类器评估算法(中文9000字,英文PDF)
摘  要
当用户的个人隐私数据保存到数据库中时，差分隐私为其承担最小的额外风险提供了有力的保证。目前，差分隐私领域的多数研究主要集中于差分隐私算法模型、计数和直方图的产生。尽管如此，即使有一个分类模型是由差分隐私算法产生的，但直接发布该分类器的输出结果仍有泄露隐私的可能。因此，对于机器学习的差分隐私评估指标的计算是一个重要的研究领域。在本文中，我们提出了一种计算受试者工作特征曲线（ROC）包围面积和平均精确率的有效机制。