Jul, 2023

连续观测下的差分隐私求和统一框架

PDF
TL;DR我们研究在连续观测下如何保持差异隐私衰减和的问题，提出了一个统一的框架和一个高效的算法，该算法适用于任何足够平滑的函数。我们的算法是首个在多项式衰减权重情况下没有乘法误差的差异隐私算法，并改进了之前的工作，并在连续计数中恢复了 Henzi......
发现论文，激发创造
  • 高效且近似最优的流式差分隐私噪声生成

    差分隐私持续计数任务中，我们接收到一系列增量，并旨在输出这些增量的近似累加和，同时不泄漏关于任何特定增量的过多信息。我们提出了两种方法，一种基于空间高效的流式矩阵乘法算法，另一种将我们的第一种方法与类似于二叉树机制的递归构造相结合。这些方法在差分隐私持续计数中实现了近乎最优的效用，并且只需要对数或多对数的空间和时间。

    Apr, 2024

  • 高效私密延续观察的平滑二元机制

    研究在随时间不断变化的数据集上发布差分隐私估计值的问题，提出了一种替代二进制机制的简单方法，该方法生成噪声的平均时间为常数，噪声方差比二进制机制少约 4 倍，并且在每个步骤中具有相同的噪声分布。

    Jun, 2023

  • 连续观察下差分隐私的代价

    研究差分隐私机制在连续发布模型中的准确性并对一些基本问题的批处理模型下的最优性做了界限，发现连续发布算法的最坏情况误差是最佳批处理算法的大约 T 的三分之一倍，揭示了连续发布模型中涉及求和等问题的困难性。

    Dec, 2021

  • 稳定凸松弛法私有鲁棒估计

    提出了一种新的框架，以将鲁棒性的凸松弛算法修改为满足适当参数规范的强最坏情况稳定性保证。通过这一框架，提出了一个可以在存在恶意数据干扰下实现微分隐私的高阶矩的鲁棒估计的算法，包括均值和协方差的估计。该算法成功地应用于成族分布，并在适当参数范数下提供恢复和维度参数的从容保证。

    Dec, 2021

  • 连续观察下的聚类差分隐私

    我们考虑在 $ R^d $ 中进行隐私数据集聚类的问题

    Jul, 2023

  • 连续观测和在线阈值查询下差分隐私的下界

    研究了随时间推移的隐私价格问题，其中包括私有计数问题、事件级差分隐私、在线阈值问题和私有在线学习等主题，并提出了相应的下界。

    Feb, 2024

  • 匿名消息的纯差分隐私求和

    研究在洗牌模型中的纯差分隐私协议在二进制求和方面的应用，提出了第一个具有常数 ε 误差的洗牌模型中具有 o (√n) 误差的纯协议，并研究了洗牌模型和中心模型之间的第一个分离，以及纯和近似差分隐私协议之间的第一个分离。

    Feb, 2020

  • 一种简单实用的差分隐私数据发布算法

    该研究通过组合多项式权重方法和指数机制，实现不同隐私等级和计数查询下的差分隐私数据发布，并在实际数据集上进行了实证研究，结果表明该方法在误差和运行时间方面都优于以往的方法。

    Dec, 2010

  • 流式差分隐私下 $L_2$ 均值估计的通信隐私权衡改进

    在本研究中，我们通过引入一种新的隐私账户方法，将稀疏高斯机制中的稀疏性所固有的随机性结合到差分隐私噪声中，解决了 $L_2$ 均值估计在中心差分隐私和通信约束下的两个关键挑战，并扩展了稀疏化方案到流式差分隐私的矩阵分解框架，为 DP-FTRL 类型的优化器提供了一个精确的账户方法。

    May, 2024

  • 高效连续有限和最小化

    提出了一种称为连续有限和最小化的方法，通过使用第一阶段随机方差减少梯度法（CSVRG）生成近似最优解的序列，改进了有限和最小化问题的复杂度。

    Jun, 2024