프라이버시를 언제 사용할 것인가: 개인 정보 보호 학습에서의 최적 할당

요약

기존 프라이버시 회계는 누적 비용을 제한하지만, 반복 간 예산 할당은 결정하지 못합니다. 본 연구는 이를 완전한 가우시안 노이즈 분산 스케줄로 공식화하고 개방 루프 제어 방식을 도입했습니다. 새로운 PB-AMD 기법을 통해 최적의 프라이버시 예산 할당과 안정성을 증명하며, 기존 방법 대비 추적 개선 및 낮은 최적화 시간을 입증합니다.

핵심 포인트

• 개인 정보 보호 학습에서 고정된 예산을 반복 간에 최적으로 할당하는 방법을 제시했습니다.
• PB-AMD는 첨가 미러 하강법과 경로별 첨가 기울기를 결합한 새로운 프레임워크입니다.
• 최적 스케줄의 존재성과 안정성을 수학적으로 증명하고, 성능 개선을 입증했습니다.
• 기존 방법 대비 낮은 최적화 시간을 보여주었으며, 비선형 훈련 동역학을 연결합니다.