titanic-federated-dp-mlp
сколько стоит дифференциальная приватность
1 мин чтения
Учебная модель от bernardozschaber: MLP на 986 параметров, предсказывающий выживание пассажиров «Титаника» в федеративном обучении с дифференциальной приватностью. Задача — не максимум accuracy, а измерение цены DP при не-IID разбиении данных. Язык данных и описания — португальский.
Ключевые особенности
- Архитектура MLP 12-32-16-2 (986 параметров) на PyTorch
- 10 симулированных клиентов, все участвуют во всех 20 раундах, агрегация
FedAvgиз Flower - Разбиение Dirichlet по меткам, α=0,5; локально 2 эпохи, SGD (lr=0,01, momentum=0,9), батч 16
- DP:
DifferentialPrivacyServerSideFixedClipping, clip=1,0, z=1,0 — ε≈23,6 на клиента при δ=10⁻² - Опубликован один файл (seed 42, зафиксирован до оценки на тесте) с accuracy 0,760
Пример
pip install torch safetensors pandas
python inference.py entrada.csv saida.csv
На вход нужны колонки PassengerId, Pclass, Name, Sex, Age, SibSp, Parch, Fare, Embarked.
Подробнее
На 179 тестовых примерах: федеративная модель с z=1,0 даёт 0,730 ± 0,036 (ε=23,6), без шума — 0,808 ± 0,003, а тривиальное правило «только по полу» — 0,777.Модель с DP проигрывает этому правилу; ε≈23,6 — формально слабая гарантия, причём на уровне клиента, а не пассажира.
Препроцессинг (медианы, стандартизация) считался централизованно и вне гарантии; федерация — симуляция на публичных данных.
Только образовательное применение: модель опирается на пол, класс и обращение и не должна использоваться для решений о людях.








Комментарии