Rehber bağlantılı sınav · Sert Seviye

Diferansiyel Gizlilik Testi

Resmi gizlilik kaybı sınırlarının neden ezberlenmeme vaadinden farklı olduğu da dahil olmak üzere, farklı gizlilik duyarlılığı, kompozisyonu ve DP-SGD'yi uygulayın.

İlgili kılavuz yollarıDiferansiyel Gizlilik
Soru 1 arasında 8

For otherwise comparable differential-privacy mechanisms, what does a smaller epsilon specify?

Her soruyu önizleyin8 sorular

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

  1. For otherwise comparable differential-privacy mechanisms, what does a smaller epsilon specify?
    • A larger dataset file
    • An increased model parameter count
    • A tighter bound on the allowed privacy loss
    • A faster GPU clock
  2. Why is noise calibrated to sensitivity in a differential-privacy mechanism?
    • To encrypt every raw record
    • To limit how a permitted neighboring-data change affects released output distributions
    • To remove the need to define neighboring datasets
    • To guarantee every person is impossible to identify under all conditions
  3. 'Yerel' farklı mahremiyet modelini 'merkezi' modelden ayıran şey nedir?
    • Yerel, tamamen güvenilir bir merkezi küratör gerektirir
    • Yerel hiçbir zaman gürültü kullanmaz
    • Yerel yalnızca görsellerde çalışır
    • Yerel, veriler ayrılmadan önce her kişinin cihazına gürültü ekler
  4. Gürültüyü kalibre ederken 'hassasiyet' ne için kullanılır?
    • Bir kişinin verilerinin bir sorgunun sonucunu ne kadar değiştirebileceğini ölçmek
    • Bir tablodaki sütun sayısını sayma
    • Donanım sıcaklığının algılanması
    • Rapor için yazı tipi seçme
  5. Neden her yeni sorgu bir 'gizlilik bütçesinden' harcama yapıyor?
    • Sorguların satır başına maliyeti vardır
    • Gizlilik kaybı birden fazla analizde birikir
    • Veri kümesi her sorguda küçülür
    • Bütçeler yalnızca depolama sınırlarıyla ilgilidir
  6. What does correctly configured DP-SGD aim to bound through clipping, noise, and privacy accounting?
    • Every possibility of memorizing any fact
    • The total number of model layers automatically
    • The need for a training objective
    • The privacy loss associated with the specified neighboring training datasets
  7. A count query includes each person at most once. Under adding or removing one person, what is its sensitivity?
    • Bir
    • The entire number of database columns
    • Zero because it is a count
    • The model’s hidden dimension
  8. Two separately randomized analyses use the same private dataset. Why evaluate them together?
    • The second analysis deletes the first output
    • Each analysis makes the previous privacy cost exactly zero
    • Privacy loss can compose across the released outputs
    • Composition applies only to public data