PATE (Private Aggregation of Teacher Ensembles) / PATE

📖 PATE (Private Aggregation of Teacher Ensembles)

Definition (English):

PATE trains multiple teacher models on disjoint data partitions, then aggregates their predictions with differential privacy noise to label student model training data. The student learns from noisy consensus, never seeing raw data. PATE provides strong privacy guarantees with minimal accuracy loss. Used for semi-supervised learning with privacy. Confident-GNMax improves aggregation by weighting confident predictions.

📖 PATE

Định nghĩa (Tiếng Việt):

PATE huấn luyện nhiều mô hình teacher trên các phân vùng dữ liệu rời rạc, sau đó tổng hợp dự đoán của chúng với nhiễu differential privacy để gán nhãn dữ liệu huấn luyện cho student model. Student học từ sự đồng thuận có nhiễu, không bao giờ thấy dữ liệu thô. PATE cung cấp bảo đảm quyền riêng tư mạnh với mất mát độ chính xác tối thiểu. Sử dụng cho học bán giám sát với quyền riêng tư. Confident-GNMax cải thiện tổng hợp bằng cách trọng số dự đoán tự tin.

📂 Phân loại: Privacy