据TechXplore网2023年7月14日消息，麻省理工学院的研究人员研发出一种新技术，可在保护用户敏感数据安全的前提下，尽可能地引入最小的数据噪音。

研究人员创建了一种新的隐私度量标准——Probably Approximately Correct（PAC）隐私，并在此基础上建立了一个框架，用户可自动确定需要添加的最小噪音量。此外，该框架不需要了解模型的内部工作原理或训练过程，因此可用于不同类型的模型和应用。

研究表明，相对于其他方法，利用PAC隐私技术保护敏感数据免受攻击所需的噪声量要少得多，这有助于工程师创建既能隐藏训练数据又能确保模型准确性的的机器学习模型。

信息来源：

https://techxplore.com/news/2023-07-privacy-technique-sensitive.html