Talal H. Alrawajfeh

作者提出 PrivTab，一种将差分隐私机制嵌入架构的表格基础模型：它在模拟数据上预训练，通过上下文学习把敏感行压缩为紧凑的可证明私有摘要，在 33 个 TabArena 分类数据集、六个隐私区间上于中强隐私下优于 DP-LR 与 DP-MLP，保持良好校准，并将拟合时间从数分钟降至约 10 毫秒的单次前向传播。

作者提出 PrivTab，一种将差分隐私机制嵌入架构的表格基础模型：它在模拟数据上预训练，通过上下文学习把敏感行压缩为紧凑的可证明私有摘要，在 33 个 TabArena 分类数据集、六个隐私区间上于中强隐私下优于 DP-LR 与 DP-MLP，保持良好校准，并将拟合时间从数分钟降至约 10 毫秒的单次前向传播。