@techreport{oai:ipsj.ixsq.nii.ac.jp:00211047,
 author = {長谷川, 聡 and 三浦, 尭之},
 issue = {25},
 month = {May},
 note = {本稿では，差分プライベートな確率的勾配降下法に関する検討を行う．深層学習を差分プライベート化するために従来から用いられている DP-SGD では，勾配の L2 感度を抑制するために，勾配の L2 距離が規定値以上のものをカットする「ノルムクリッピング」というアプローチを用いている．それに対し本稿では，ノルムクリッピングとは異なるアプローチを用いる．具体的には，深層学習の損失関数にリプシッツ連続の制約を設けることで，ノルムクリッピングをせずに勾配の L2 感度を抑える方法を検討する．この新たな方式の位置づけについて考察を行った結果を報告する．},
 title = {差分プライベートな確率的勾配降下法に関する一検討},
 year = {2021}
}