Oct, 2023

差异私有置换检验：在核方法中的应用

PDF
TL;DR提出了一种差分隐私保护的假设检验方法，扩展了经典的非隐私保护排列检验到隐私保护场景，从而实现有限样本有效性和差分隐私的同时保证。通过引入基于核的测试统计量，提出了两种不同差分隐私保护的核测试方法（dpMMD 和 dpHSIC），具有简单易施行、适用于多种数据类型、在不同隐私保护模式下达到极小 - 最优动力的特点。经实证评估，在各种合成和实际场景下展现出竞争力，突显其实际价值。公开提供的代码有助于我们该方法的实现。
differential privacypermutation testshypothesis testingkernel testsprivacy protection
发现论文，激发创造
  • 数据损坏下的鲁棒核假设检验

    提出了两种构建在数据损坏下鲁棒的排列检验的方法，能有效控制非渐近型 I 型错误，并证明在最小条件下的功效一致性，在实际应用中有助于假设检验的部署，特别适用于可能的对抗攻击。其中一种方法具有差分隐私，并进一步扩大了其在私有数据分析中的适用性。对于双样本和独立性设置，我们展示了我们的核鲁棒检验是极小化准则下的最佳，意味着它们在某些最佳速率下（紧密匹配下界）能保证非渐近地对抗空值在核 MMD 和 HSIC 度量下的备择假设有力。最后，我们提供了可公开访问的实现，并实证了我们提出测试的实用性。

    May, 2024

  • 重新审视针对分类数据的差分隐私假设检验

    本文提出了一种新型假设检验方法，能够应用于含有隐私保护的差分隐私数据，并且其偏置较小、效果较好，解决了传统差分隐私假设检验方法中的问题。

    Nov, 2015

  • 差分隐私非参数假设检验

    本研究研究了不同隐私性的统计假设检验方法，包含常规与非参数检验方法，并使用特定于隐私数据的新型检验统计量，比较结果表明，我们的新型非参数检验方法在统计功效上有巨大改进。

    Mar, 2019

  • 假设检验解释和 Renyi 差分隐私

    本篇论文通过对差分隐私与统计假设检验的类比说明，探讨了一些满足以统计差异度量形式给出的隐私定义条件。研究发现这些条件有助于分析差异度量的可分辨性，并基于 Renyi 差异分析了差分隐私的一些扩展定义，并提出了改进的转换规则。

    May, 2019

  • 差分隐私贝叶斯检验

    提出一种新颖的差分隐私贝叶斯假设检验框架，基于统计学中广泛采用的检验统计量的差分隐私贝叶斯因子，不需要模拟完整的数据生成过程，保持结果推理的可解释性，并提供一组足够的条件来确立在该框架下的贝叶斯因子一致性结果，通过多个数值实验证明了该技术的实用性。

    Jan, 2024

  • Priv'IT：私密且样本高效的身份验证

    本研究利用差分隐私方法进行小样本假设检验，以得出隐私参数、准确性参数和错误要求等信息，实现在保证样本大小和错误率时的差分隐私保护

    Mar, 2017

  • 双样本问题的核方法

    提出一种基于重现核希尔伯特空间和大偏差界限的统计检验框架，可用于分析和比较分布，特别对于数据库属性匹配具有很好的性能表现。

    May, 2008

  • 离散分布身份和接近性的差分隐私测试

    该研究提供了关于差分隐私下 k 个元素分布的标识检测和接近度检验的上下界。他们提出了一般框架以建立隐私统计任务的样本复杂度的下界，同时通过构建精心选择的先验概率来证明隐私算法的下界。

    Jul, 2017

  • 高维下核和距离非参数假设检验能力减弱

    探讨了决策理论问题中的非参数双样本检验与独立性检验，并指出使用核函数和点对之间的距离作为解决方案在高维设置中受到误解，测试的功率实际上随着维度的增加按多项式下降，提出了公平的替代假设，并阐明了核带宽选择中的中位数启发式的理论洞察力。

    Jun, 2014

  • 二项分布数据的差分隐私最强统一检验

    本文提出了一种基于 Differential Privacy 的 UMP 检验方法，利用经验分布建立二项数据的 Neyman-Pearson 检验，使用 Truncated-Uniform-Laplace (Tulap) 方法获得确切的 p 值，实验表明这种方法不仅有准确的 I 类错误，且比目前的技术更加强大。

    May, 2018