兼顾隐私与效用
在差分隐私保护下，同时提升模型训练和在线服务的推荐效用。
Liu, Ruixuan · Cao, Yang · Wang, Yanlin · Lyu, Lingjuan · 陈云 · 陈红
2023
通过将用户嵌入分解为公共基向量并扰动低维组合系数，避免了直接暴露高维表示带来的隐私风险。
随机行为填充机制降低了满足差分隐私所需的噪声强度，从而在相同隐私预算下获得更高的推荐效用。
通过标签置换和差分隐私注意力模块，避免了对大模型施加与维度相关的噪声，使训练阶段的隐私保护更实用。