DPSGD

深度分析

Cond‑DP 結合公開特徵提升私有回歸的差分隱私效能

研究在公開特徵可得的情況下，提出條件化差分隱私演算法Cond‑DP，透過資料驅動的條件矩陣重塑優化空間，加速私有線性回歸收斂，且不增加隱私開銷，實驗證明在高隱私需求下可顯著提升預測精度，此方法亦支援非線性預測頭，透過Switch‑Cond‑DP先條件化後切換回DPSGD，提升效能。