BriefGPT.xyz
Nov, 2021
一种能处理无界高斯分布、隐私安全且计算高效的估算器
A Private and Computationally-Efficient Estimator for Unbounded Gaussians
HTML
PDF
Gautam Kamath, Argyris Mouzakis, Vikrant Singhal, Thomas Steinke, Jonathan Ullman
TL;DR
本文提出了一种多项式时间、多项式采样、差分隐私的算法，用于估计任意高斯分布的均值和协方差，且不需要先验参数范围。该算法的主要技术工具是一种新的差分隐私的预处理器，可以从任意的高斯分布中取样并返回一个矩阵 A，使得 A × Σ × A^T 具有固定的条件数字。
Abstract
We give the first
polynomial-time
, polynomial-sample, differentially private estimator for the
mean
and
covariance
of an arbitrary
→