局部隐私贝叶斯计数模型推断

Mar, 2018

Locally Private Bayesian Inference for Count Models

Aaron Schein, Zhiwei Steven Wu, Alexandra Schofield, Mingyuan Zhou, Hanna Wallach

TL;DR我们提出了一种保护隐私的贝叶斯推断方法，使用局部隐私方法来保护疏松计数数据。该方法基于 MCMC 算法，可以近似局部隐私的后验模型参数，并通过两个新颖的洞见实现。<br> 这种方法的性能在两个真实的案例研究中都进行了演示，结果表明我们的方法在文本主题和网络中的链接预测方面都具有更高的精度，并且在一些任务上，我们的保护隐私方法甚至超越了非私有推断。

Abstract

We present a general method for privacy-preserving bayesian inference in poisson factorization, a broad class of models that includes some

privacy-preserving bayesian inference poisson factorization local privacy mcmc algorithm

发现论文，激发创造

自适应在线贝叶斯频率分布估计与局部差分隐私

我们提出了一种新颖的贝叶斯方法，用于局部差分隐私 (LDP) 框架下有限类别频率分布的自适应在线估计，并通过后验抽样进行贝叶斯参数估计，使基于获得的后验样本调整 LDP 的随机化机制。我们提出了一种基于随机化机制的 LDP，它使用类别子集作为输入，并且其性能取决于所选择的子集和真实频率分布。通过使用后验样本作为频率分布的估计，算法执行可计算子集选择步骤，以最大化下一个用户的隐私响应效用。我们提出了几个与著名信息度量相关的效用函数，如 Fisher 信息矩阵、总变差距离和信息熵。我们比较了每个效用度量在计算复杂度方面的差异。我们采用随机梯度 Langevin 动力学进行后验抽样，这是一种计算高效的近似马尔可夫链蒙特卡洛方法。我们提供了理论分析，证明了算法所针对的后验分布收敛于真实参数，即使进行了近似后验抽样；如果进行了精确的后验抽样，算法将具有高概率选择出最佳子集。我们还提供了数值结果，通过在不同隐私参数和人群分布参数的实验设置下与非自适应和半自适应方法进行比较，经验证明了我们算法的估计精确性。

May, 2024

贝叶斯推断的差分隐私

该研究探讨了如何以差分隐私的方式将贝叶斯推断的结果传达给第三方，共提出了四种不同的算法，包括两种向后验参数直接添加噪声以及将噪声添加到后验参数的傅里叶变换中以保持更新一致性的机制，一种基于后验采样的机制以及一种最大后验概率机制，并在实验中涵盖了贝叶斯朴素贝叶斯和贝叶斯线性回归的应用及图结构对隐私影响的新型隐私和效用敏感性分析。

Dec, 2015

本地化隐私高斯估计

研究局部差分隐私在高斯分布参数估计中的应用，并给出了自适应的两轮解决方案和非自适应的一轮解决方案，并通过信息理论下界证明了准确性保证的紧密性。

Nov, 2018

指数族信息的差分隐私贝叶斯推断

该研究的主要内容是关于私人推断的方法，该方法为指数族的私人贝叶斯推断提供了第一个解决方案并且能够充分考虑隐私机制引入的噪声，从而提供正确校准的后验置信度。

Sep, 2018

非参数贝叶斯因子分析动态计数矩阵

提出一种 Gamma 过程动态泊松因子分析模型，通过建立一个新的马尔科夫链来推断 Gamma 形状参数，应用于文本和音乐分析，取得最先进的结果。

Dec, 2015

隐私保护数据的条件密度估计

在该研究中，我们提出了基于模拟的隐私保护数据集推理方法，利用神经条件密度估计器近似后验分布，纠正隐私保护机制引入的偏差，并展示了隐私与效用之间的权衡的必要性和可行性。

Oct, 2023

Skellam 机制用于差分隐私联合学习

本研究介绍了基于两个独立的泊松随机变量之差的多维 Skellam 机制，可以用于分散式隐私应用及联邦学习下的安全聚合。该机制提供了与连续高斯机制相同的隐私 - 准确性折衷，即使精度较低也可以实现，而实现该机制只需要从泊松分布中进行取样。

Oct, 2021

私密环境中的变分贝叶斯（VIPS）

研究 Bayesian 数据分析中的隐私保护问题，提出基于 differential privacy 的通用隐私保护 Variational Bayes 框架，并介绍了如何对 binomial likelihoods 等非 CE 模型进行转换，从而进行隐私保护的推理计算。

Nov, 2016

局部隐私估计的极小极大最优算法

本文研究数据保护与统计估计之间的平衡，开发了私有版本的信息熵界限，提出了一些新的基于隐私保护机制和计算效率估计，并给出了一些实验结果，证明了这些过程的重要性。

Apr, 2016

本地隐私、数据处理不平等和统计极小值率

研究在数据即使隐私保护给定的情况下，隐私保证和结果统计估计器的效用之间的权衡，通过信息论和标准最小最大技术，提出本地隐私约束下统计速率的精确刻画，并提出新的隐私保护机制和计算有效的估计器，以实现界限。

Feb, 2013