arXiv 机器学习· Mohammad Afzali, Hassan Ashtiani, Alex Bie, Gautam Kamath, Peihan Liu, Argyris Mouzakis, Vikrant Singhal·· 3 小时前AI 评分36
研究证明所有可学习分布类均可在差分隐私下学习
Actually, All Learnable Distribution Classes Are Privately Learnable
AI 导读
一项新理论研究证明，在总变差距离下能以有限样本学习到任意小目标误差的每个分布类，在 $(\varepsilon, \delta)$-差分隐私约束下同样可以有限样本实现任意小目标误差学习。该结论证实了 Ashtiani 猜想，表明在标准可学习性定义下该猜想完全成立。此前研究曾针对固定目标误差给出了弱反驳，而新成果在标准定义下统一了分布学习与私密学习的等价性。
来源：arXiv 机器学习 · arxiv.org