研究者提出兼顾隐私与溯源的RGS本地差分隐私水印
热点事件持续更新
研究者提出兼顾隐私与溯源的RGS本地差分隐私水印
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
Elise L. Han 与 Tatsunori Hashimoto 提出 Red-Green Sequence（RGS）本地差分隐私水印，把水印的设计目标从追踪个体文本转向估计总体使用频率，以协调来源追溯与隐私。 在 C4 语言建模任务上，该方法在隐私预算 ε=1 时取得 0.0019 的 MSE 和 0.0038 的平均绝对偏差；在仅 100 条文本的作文任务中，ε=2 时误差为 0.0113 MSE 和 0.004 平均绝对偏差。研究者称，该水印在高隐私水平下仍能实现准确的频率估计。
AI 根据报道生成 · 52 分钟前更新
最新进展11月5日 13:00
为语言模型水印协调隐私与来源追溯：Red-Green Sequence 水印报道时间线
沿着报道，了解事件的不同侧面。
11月5日
- arXiv cs.CL为语言模型水印协调隐私与来源追溯：Red-Green Sequence 水印
研究者提出本地差分隐私水印，将水印设计目标从追踪个体转向估计总体使用频率，从而协调来源追溯与隐私。其 Red-Green Sequence（RGS）水印在 C4 语言建模任务上以 ε=1 实现 0.0019 MSE 和 0.0038 平均绝对偏差；在仅 100 条文本的作文任务中，ε=2 时误差仍为 0.0113 MSE 和 0.004 平均绝对偏差。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。