arXiv stat.ML· Henry Bourne, Robert F. Allison·· 22 天前AI 评分36
从像素到隐私敏感特征：面向重构下界的信息论框架
From Pixels to Privacy-Sensitive Features: An Information-Theoretic Framework for Reconstruction Bounds
AI 导读
研究提出了一个用于推导 DP-SGD 重构攻击失真下界的信息论框架，可在模型训练前计算针对特定特征表示的重构误差。该框架利用率失真理论将条件互信息度量的泄漏量与源熵相结合，证明了任意重构攻击均存在不可避免的期望误差下界。该成果已在像素空间和 LPIPS 特征空间实现，给出了首个直接以 LPIPS 衡量的重构失真下界。
来源：arXiv stat.ML · arxiv.org