ORBIT：用于差分隐私异常表征共享的双壳潜在几何

基于摘要分析。本文研究跨机构异常检测中的表征共享：当类别极不平衡时，对完整潜在表征施加差分隐私（DP）噪声可能破坏稀有类别结构。作者提出 ORBIT（One-dimensional Radial Budgeting with Inter-shell Topology），将类别分离信息集中到有界的一维半径，以降低发布时的噪声负担。 机制上，编码器通过双壳间隔目标，将正常与异常记录分别置于两个目标半径附近；发布时把半径裁剪至固定区间，再应用一维 Laplace 机制，其敏感度由区间范围而非潜在维度决定。作者给出理论结论：在保护类别信息的逐记录 ε-DP 发布条件下，类别不平衡比为 r 时，Precision 不超过 e^ε/(e^ε+r)，单坐标的两点发布可达到该界。该界针对 Precision，不能直接当作 AUPRC 上界。 作者报告，在不平衡比为 577:1 的欺诈数据上，相同逐记录隐私保证下，完整潜在表征 DP 在 ε 至 20 时仍接近基础发生率；ORBIT 发布半径在 ε=10 时达到 AUPRC 0.74，与同样方式发布的监督评分相当。摘要同时标注理论界为 0.97，但其与 AUPRC 的具体对应关系需查正文。在表格数据上，非监督一维摘要在 ε=10 时的 AUPRC 最高为 0.43，提示收益不能仅由降维解释。 必须区分另一种发布方向的限定范围变体：它将类别声明为公开信息，因此不受上述类别保护界约束，正式 DP 保证也仅覆盖半径。作者在角度集中条件下约束方向的身份泄漏，并报告仅使用方向的攻击在两个表格数据集上接近随机水平，但能在 CIFAR-10 上检测少数类记录的训练集成员身份。在这一保护范围下，作者报告潜在空间合成数据发布在三个数据集、ε=1 时均保留非隐私版本的 AUPRC，不能据此理解为完整表征获得相同 DP 保护。 全文未取得，具体数据划分、监督信息使用、编码器训练的隐私边界、消融及统计信息尚未验证。本文主要证据来自表格异常检测与图像数据，不构成 EEG 或 BCI 有效性的证据；相关工作尚未检索确认。