Эта статья носит прикладное значение и не объясняет все подробности дифференциальной приватности. Цель статьи - познакомить читателя с библиотекой Opacus и показать, как изменять классификатор без потерь в эффективности обучения.
Анонимизация не всегда эффективна
Приватность - сложная вещь.
Как показала практика Netflix в соревновании Netflix Prize простой анонимизации набора данных недостаточно.
Мы разберем, как использовать библиотеку, на примере обучения модели классификации PyTorch набору MNIST с использованием DP-SGD.