https://blog.qife122.com/tags/%E7%AE%97%E6%B3%95%E7%9B%91%E6%8E%A7/ Recent content in 算法监控 on 办公AI智能小助手 Hugo zh-cn qife Mon, 13 Oct 2025 03:08:47 +0800 https://blog.qife122.com/p/%E5%B7%AE%E5%88%86%E9%9A%90%E7%A7%81%E8%BF%9D%E8%A7%84%E7%9B%91%E6%8E%A7%E6%8A%80%E6%9C%AF%E6%8C%81%E7%BB%AD%E5%AE%A1%E8%AE%A1%E7%9A%84%E6%96%B0%E6%96%B9%E6%B3%95/ Mon, 13 Oct 2025 03:08:47 +0800 https://blog.qife122.com/p/%E5%B7%AE%E5%88%86%E9%9A%90%E7%A7%81%E8%BF%9D%E8%A7%84%E7%9B%91%E6%8E%A7%E6%8A%80%E6%9C%AF%E6%8C%81%E7%BB%AD%E5%AE%A1%E8%AE%A1%E7%9A%84%E6%96%B0%E6%96%B9%E6%B3%95/ <h1 id="监控随时间变化的差分隐私违规行为">监控随时间变化的差分隐私违规行为</h1> <h2 id="摘要">摘要</h2> <p>差分隐私审计已成为支持隐私保护机制设计的重要研究领域。隐私审计有助于获得隐私参数的实证估计，暴露算法的有缺陷实现，并将实际隐私保证与理论保证进行比较。在这项工作中，我们研究隐私审计中一个尚未探索的方面：对在开发或部署过程中可能发生变化的机制进行持续审计。随时间监控算法隐私面临特定挑战：重复运行最先进的（静态）审计器需要过多的采样工作，而此类方法的可靠性会随着时间的推移而下降，且没有适当调整。为了克服这些障碍，我们提出了一种新的监控程序，可从算法的整个部署历史中提取信息。这使我们能够减少采样工作，同时保持审计结果的可靠性。我们推导了关于我们方法可靠性的正式保证，并评估了其在文献中重要机制上的性能。我们的理论发现和实验证明了我们方法的有效性。</p>