Discesa del gradiente stocastica differenzialmente privata
term_id: differentially_private_stochastic_gradient_descent
Category: training_techniques
Definition
DP-SGD è una variante della Discesa del Gradiente Stocastica progettata per proteggere la privacy dei dati di addestramento. Funziona ritagliando il contributo del gradiente di ciascun campione per limitare la sensibilità, quindi aggiungendo G…
Summary
Un algoritmo di ottimizzazione che modifica la SGD standard ritagliando i gradienti e aggiungendo rumore per garantire che il modello addestrato soddisfi i vincoli della privacy differenziale.
Key Concepts
- Ritaglio del Gradiente
- Iniezione di Rumore Gaussiano
- Sottocampionamento dei Campioni
- Contabilità della Privacy
Use Cases
- Addestramento di reti neurali profonde su dati utente privati
- Modellazione predittiva in ambito sanitario
- Rilevamento di frodi finanziarie con dati regolamentati