Dec, 2020

具有隐私保证的无投影赌率优化

HTML
PDF
TL;DR本篇研究设计了差分隐私算法来解决在投影自由设置下的赌博凸优化问题，该设置在决策集具有复杂几何结构的情况下非常重要。
发现论文，激发创造
  • 差分隐私多臂赌博机算法

    本研究提出的隐私保护算法在解决随机多臂赌博机问题时,相比之前的成果取得了较大的进展.算法可以保证最优遗憾率O(Ɛ−1+logT),通过实验证实了理论界和实践界之间的一致性。

    Nov, 2015

  • 在线学习的差分隐私代价

    本文提出了一种确保差分隐私的在线线性优化算法，其完全信息情况下的后果与epsilon无关，但在轮盘线性优化和非随机多臂匪徒的情况下，其遗憾上限是一个$ ilde{O}$函数，同时使时间复杂度在$\tilde{O}(\frac{1}{\epsilon}\sqrt{T}))$内。

    Jan, 2017

  • 无投影随机凸优化

    该论文提出了第一个计算有效的基于投影的算法来解决Bandit凸优化问题，并以各种问题（包括二次规划、组合优化和矩阵完成问题）上的实验结果证明了其性能。

    May, 2018

  • 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

  • 差分隐私上下文线性赌博机

    本篇论文研究了解决上下文线性赌博机问题的隐私学习算法，其中采用联合差分隐私的定义将经典的线性-UCB算法转换成联合差分隐私算法，并在其中使用高斯噪声或Wishart噪声，使结果算法的遗憾得到了限制。此外，还给出了任何MAB问题私有算法必须产生的额外遗憾的第一个下限。

    Sep, 2018

  • 无投影赌博凸优化改进遗憾界

    本文提出一种基于条件梯度法的 projection-free 的算法，通过线性优化预测每一轮的动作并达到了 $O(T^{3/4})$ 的预期最小化损失 (expected regret)。

    Oct, 2019

  • (局部) 差分隐私组合半匪帮算法

    本文研究了具有差分隐私和强局部差分隐私的组合半臂赌博问题，证明了在常见平滑性假设下，该算法可以消除额外的依赖于数据维度的副作用，并且获得了最优的损失界限，表明在这些普遍的设置下，组合半臂赌博的方法没有额外的价格。

    Jun, 2020

  • 关于私人在线凸优化：在$l_p$几何和高维情境赌徒中的最优算法

    研究了使用差分隐私保护的在线随机凸优化问题，提出了一种具有递归梯度的私有在线Frank-Wolfe算法，可在线性时间内实现最优超额风险，并证明递归梯度的方差缩减结果在非平稳场景下也有理论保证。同时，该算法也被扩展到p=1的情况，可实现几乎与维度无关的超额风险。

    Jun, 2022

  • 鲁棒和差分隐私随机线性赌博机

    本研究使用对数批量查询和不同的隐私模型提出不同关于武断攻击的差分隐私和鲁棒性阿姆淘汰算法，实现同时在随机线性医生问题中提供差分隐私和对手强度的功能，并提供相应的遗憾界限。

    Apr, 2023

  • 差分隐私高维赌博机

    我们考虑高维度的随机情景线性赌博问题，在参数向量是$s_{0}$-稀疏的情况下，决策者受到差分隐私在中心模型和本地模型下的约束。我们提出了PrivateLASSO，一种差分隐私的LASSO赌博算法，它基于两个子例程：(i)基于稀疏硬阈值的隐私机制和(ii)用于识别参数$ heta$支撑集的时序阈值规则。我们证明了最小化差分隐私的下界，并在标准假设下为PrivateLASSO在中心模型下建立了隐私和效用保证。

    Feb, 2024