SPLICE：高维差分隐私合成数据新算法

Lucas Rosenblatt、R. Teal Witter 和 Christopher Musco 提出差分隐私合成数据算法 SPLICE，通过测量带噪切片 Chebyshev 多项式矩并拟合分布来生成私有数据。作者称，在常数隐私参数下，该算法返回的私有分布与目标分布的 Sliced Wasserstein-1 距离为 Õ(1/√n)，且这一误差界不随数据维度 d 增长，从而绕开高维下的“维度灾难”。该结果目前以预印本形式发布，尚未见独立复现或同行评审结论。

AI 根据报道生成 · 59 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。