Descendența Gradientului Stohastic Diferențial Privată
term_id: differentially_private_stochastic_gradient_descent
Category: training_techniques
Definition
DP-SGD este o variantă a Descendenței Gradientului Stohastic concepută pentru a proteja confidențialitatea datelor de antrenament. Funcționează prin cliparea contribuției gradientului fiecărei mostre pentru a limita sensibilitatea, apoi adăugând zgomot Gaussian.
Summary
Un algoritm de optimizare care modifică SGD standard prin cliparea gradientelor și adăugarea de zgomot pentru a asigura ca modelul antrenat să respecte constrângerile de confidențialitate diferențială.
Key Concepts
- Cliparea Gradientului
- Injectarea Zgomotului Gaussian
- Subeșantionarea Mostrelor
- Contabilitatea Confidențialității
Use Cases
- Antrenarea rețelelor neuronale profunde pe date private ale utilizatorilor
- Modelarea predictivă în sănătate
- Detectarea fraudei financiare cu date reglementate