Nov, 2013

差分隐私的组合定理

PDF
TL;DR本文重点研究搜索不同的差分隐私机制，研究隐私水平下降的速度，并通过引入假设测试和数据处理不等式的新操作解释提出了一种解决方案，改进了现有技术并具有多方计算等多领域的应用。
发现论文，激发创造
  • 局部差分隐私的极值机制

    本研究研究了本地差分隐私和效用之间的基本权衡，介绍了一种组合极端私有化机制族，即楼梯机制，并通过展示它包含广泛信息理论实用程序的最优私有化机制来证明其有效性。同时，我们证明了二进制和随机响应机制在低、高隐私区间是普遍最优的，能够很好地近似中间区间。

    Jul, 2014

  • 普适效用最大化的隐私机制

    本文提出了一种基于差分隐私的机制，以保证数据查询的数据隐私和查询效用之间的平衡。机制包含了每个可能的用户的期望最小化的代价函数，并且针对每个固定数量的查询和差分隐私级别，存在一种几何机制可以同时保证每个可能用户的最佳实用性，这是一种极强的实用性保障。

    Nov, 2008

  • 本地差分隐私中交互性的作用

    研究在局部差分隐私中互动性的作用：分类、转换和假设检验问题。

    Apr, 2019

  • 优化差分隐私下的直方图查询

    该研究提出了一种基于计数查询的线性组合方法，通过最优策略支持一组相关查询的答案，并对该策略的误差进行几何特征化并提出了优化方法，以应用于不同数据分析任务中的隐私保护。

    Dec, 2009

  • 差分隐私的数值组成

    提供了一种快速算法，可以将差分隐私算法的隐私保证优化到任意精度，并使用隐私损失随机变量的概念来量化差分隐私算法的隐私损失，该算法可以加速隐私计算几个数量级同时保持类似的准确性。

    Jun, 2021

  • 在线查询的差分隐私代价

    探讨在三种模式下对不对称敏感数据集的查询差分隐私问题，证明这些模式不同，并且存在家族类的统计查询，在离线模式下可以回答指数级别的查询，而在线模式下只能回答很少的查询，同时也展示了一族搜索查询，在在线模式下可以回答指数级别的查询，但在调整模式下无法回答很多查询。

    Apr, 2016

  • 差分隐私的统计框架

    研究统计隐私的目标之一是构建一个数据发布机制，它可以在保护个人隐私的同时保留信息内容。本文从统计角度考虑差分隐私，研究满足差分隐私要求的数据发布机制，并比较它们的收敛速度。研究表明，指数机制的准确性与经验分布在真实分布周围集中的概率密切相关。

    Nov, 2008

  • 迭代式隐私放大

    使用微分隐私技术对加性迭代算法的中间结果进行保护，避免泄露中间过程可以强化隐私保障并解决凸优化问题。

    Aug, 2018

  • 基于分布鲁棒优化的差分隐私

    本文利用分布式鲁棒优化技术，开发了一种机制设计模型，以实现最高准确度和隐私预选级别的非渐近和无条件最优性保证。

    Apr, 2023

  • 差分隐私的几何学：稀疏和近似情况

    通过使用关联的高斯噪声和线性回归步骤，我们基于差分隐私机制的多项式对数组进行了矩阵突触连接和遗传差异，从而在线性查询的上下文中研究了准确性和隐私之间的权衡。

    Dec, 2012