Ayrıcalık Gizliliğine Sahip Stokastik Gradyan İnişi
term_id: differentially_private_stochastic_gradient_descent
Category: training_techniques
Definition
DP-SGD, eğitim verisinin gizliliğini korumak üzere tasarlanmış Stokastik Gradyan İnişi’nin bir varyantıdır. Duyarlılığı sınırlamak için her örneğin gradyan katkısını kırpma ve ardından G (Gauss) gürültüsü ekleme yoluyla çalışır.
Summary
Gradyanları kırpıp gürültü ekleyerek eğitilen modelin ayrıcalık gizliliği kısıtlamalarını karşılamasını sağlayan standart SGD’yi değiştiren bir optimizasyon algoritması.
Key Concepts
- Gradyan Kırpma
- Gauss Gürültüsü Enjeksiyonu
- Örnek Alt Örnekleme
- Gizlilik Muhasebesi
Use Cases
- Özel kullanıcı verileri üzerinde derin sinir ağlarını eğitmek
- Sağlık alanı tahmine dayalı modelleme
- Düzenlenmiş verilerle finansal dolandırıcılık tespiti