发布 NoisyHead 数据集, 应用在 差分隐私、机器学习鲁棒性 领域

本次发布的数据集 NoisyHead, 该数据集用于评估在不同隐私约束和对抗性干扰环境下，NoisyHead算法的实证行为。数据集包含了在差分隐私和对抗性设置中，测量超额测试风险和预测误差的试验。在低维设置中，数据集的规模为D=5，N=1000，并涵盖了不同的隐私级别。该数据集的任务是评估差分隐私训练方法的效能以及对抗恶意提示的鲁棒性。

查看NoisyHead

README 内容： 

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。