DPSGD verbessert: Probenmomentum & Tiefpassfilter steigern Genauigkeit
In einer neuen Veröffentlichung auf arXiv wird ein innovativer Ansatz vorgestellt, der die Leistung von Differentially Private Stochastic Gradient Descent (DPSGD) deutlich steigert. Der Beitrag präsentiert „DP‑PMLF“, eine Methode, die per‑Sample-Momentum mit einer Tiefpassfilter‑Strategie kombiniert, um gleichzeitig das Rauschen der Differential Privacy (DP) und den Clip‑Bias zu reduzieren.
