待验证50% 置信事实精确时间

DP-SGD的隐私放大效应依赖于批次大小不被泄露这一前提假设。

1

来源数

50%

置信度

长期有效

时效性

2026/11/2

首次发现

来源

虚拟点差分隐私：可观测批次大小下的隐私放大新机制

涉及实体

DP-SGDconcept 隐私放大concept

相关事实

已验证DP-SGD是在随机梯度下降中实现差分隐私的机制，通过对逐样本梯度裁剪后再加高斯噪声实现。76% 相似待验证训练时应用差分隐私噪声（DP-SGD）可有效降低记忆化程度，但会带来个性化效果的损耗71% 相似待验证虚拟点机制解决的是批次大小泄露与截断带来的隐私损失问题，不改变DP-SGD本身的噪声校准逻辑。70% 相似待验证传统隐私对齐方法通常假设奖励模型参数是稠密的，导致估计误差上界随模型维度d多项式增长。66% 相似待验证完全本地化推理受设备算力限制对模型规模有较大约束，需在隐私保护与模型能力之间权衡65% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1125571

API

curl https://kongchang.com/api/v1/knowledge/claims/1125571

MCP

get_claim(id=1125571)