Dec, 2023

差分隐私投影深度中位数

PDF
TL;DR我们使用提出 - 测试 - 发布（PTR）和指数机制开发了 ε，δ 差分隐私投影深度中位数。我们对输入参数和人群测度的一般条件（例如，我们不假设任何时刻界限）进行了量化，以及通过有限样本偏离界限评估隐私成本。我们在典型的投影深度中位数上展示了主要结果。在高斯环境中，我们展示了所得的偏离界限与用于私有高斯均值估计的已知下界相匹配，最多是协方差矩阵条件数的多项式函数。在柯西环境中，我们展示了由重尾部引起的 “异常错误放大” 效应比隐私成本更大。通过数值模拟验证了这一结果。此外，我们还提出了关于一般 PTR 机制的结果，以及关于有序统计量投影间距的均匀集中结果。
differentially privateprojection-depth-based medianspropose-test-releaseexponential mechanismsfinite sample deviation bounds
发现论文，激发创造
  • 通过自适应投影实现差分隐私查询发布

    提出了一种新的算法，用于发布对包括 k 路边际在内的非常大量的统计查询回答，该算法采用连续松弛的投影机制，使其在隐私数据集上回答查询并尝试找到最接近噪声回答的合成数据集，并通过不断适应地发现在其（松弛的）合成数据上具有高误差的查询，以达到节省隐私预算的目的，通过使用 ML 优化技术和工具，该方法在许多情况下优于现有算法。

    Mar, 2021

  • 非病态数据的差分隐私中位数和内点

    构建差分隐私估计量，可通过低样本复杂度估计在满足非常温和的矩条件下的任意分布的中位数。

    May, 2023

  • 高维下的差分隐私和鲁棒统计学

    通过引入高维度的 Propose-Test-Release（HPTR）框架，概括表征具有差分隐私保证的统计估计问题的统计效率，以及基于差分隐私保证的健壮统计和对数学分析的需求。

    Nov, 2021

  • 基于个体级差分隐私的私有均值估计

    研究多样本时的差分隐私均值估计，在用户级别设置下，给出了人数的必要和充分条件以实现在 ε- 差分隐私（及其常见松弛条件）下在ℓ2 范数中以距离 α 估计均值的结果，并提供了近似差分隐私的高效算法（在样本复杂性上略有降低）和纯差分隐私的低效算法的计算方法和边界分析。

    May, 2024

  • 纯差分隐私与近似差分隐私之间

    该研究通过指定参数 delta 来构建一个全新的下界，从而优化（epsilon，delta）差分隐私算法在高维数据库上精确回答统计查询的样本复杂度。除了新的下界之外，该研究还提出了纯粹和近似的差分隐私算法，用于回答任意统计查询，并通过对比标准拉普拉斯和高斯机制在最坏情况下精度保证方面的样本复杂度，改善了对该问题的解决方法。

    Jan, 2015

  • 差分隐私的几何学：稀疏和近似情况

    通过使用关联的高斯噪声和线性回归步骤，我们基于差分隐私机制的多项式对数组进行了矩阵突触连接和遗传差异，从而在线性查询的上下文中研究了准确性和隐私之间的权衡。

    Dec, 2012

  • 不需要私有协方差估计的协方差感知私有均值估计

    提出两种样本有效的差分隐私均值估计器，可用于具有未知协方差的 $d$ 维（子）高斯分布。这些估计器是基于一种简单通用的设计差分隐私机制的方法实现的，但需要新颖的技术步骤使其保持隐私和有效性。

    Jun, 2021

  • 集中和本地差分隐私条件下的数据流连续发布

    本文研究了差分隐私下发布实数数据流的问题，并提出了一种基于指数机制和质量函数的私有阈值计算方法、在线分层方法和后处理技术。这个框架由三个组件组成：一个能私下计算阈 值的阈值优化器，一个在数据流中添加标定噪声的扰动器以及一个通过后处理来改善结果的远光镜。我们的算法考虑了更严格的本地差分隐私限制并超越了现有技术。使用四个真实数据集，展示了本方法比现有技术提高了 6 到 10 个数量级的实用性。

    May, 2020

  • 隐私配置用于私人选择

    本研究通过使用 Rényi DP 等现代数值隐私核算工具，提出了一种易于使用的方法来限制 ReportNoisyMax 和 PrivateTuning 的隐私特性，并在端到端的隐私学习实验中取得了显著的改进。同时，分析结果还指出了在特定领域中使用二项分布来随机化回合数可以获得更大的改进。

    Feb, 2024

  • 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