Jan, 2024

Qrlew: 将 SQL 重写为差分隐私 SQL

PDF
TL;DR该研究论文介绍了 Qrlew，一个开源库，它可以将 SQL 查询解析为关系，即保留丰富的数据类型、值范围和行所有权的中间表示；从而可以轻松地将其重写为具有差分隐私等效性的查询，并将其转换为可在各种标准数据存储中执行的 SQL 查询。
qrlewsql queriesrelationsdifferentially-private equivalentprivacy guarantees
发现论文，激发创造
  • 带有有界用户贡献的差分隐私 SQL

    本文提出了一种通用可扩展的方法，用于在数据库上执行差分隐私聚合，即使个体可以与任意多个行关联，将其表达为关系代数操作符并在 SQL 引擎中实现，测试了 typial queries 在工业基准测试上的效用，并通过随机测试框架验证其正确性，描述了在实践中部署此类系统时学到的优点和缺点，并发布其核心组件作为开源软件。

    Sep, 2019

  • 递归机制：向节点差分隐私和不受限连接迈进 [完整版本，草稿 0.1]

    本文提出了一种新的差分隐私机制，该机制支持对敏感数据库上通过一些关系代数计算的结果的线性统计量进行近似，并且支持不受限制的连接操作，其误差边界大致与查询的经验灵敏度成正比，对于任何一种子图，本文提供了能够实现节点差分隐私的第一种解决方案。

    Apr, 2013

  • 面向 SQL 查询的实用差分隐私

    本研究提出了一种适用于 SQL 查询的差分隐私的实用方法，使用弹性敏感性来近似查询的本地敏感性，从而可以通过任何基于本地敏感性的机制来执行差分隐私。以 FLEX 系统为例，验证了该方法的实用性和可行性，并证明了其在 SQL 查询中的有效性。

    Jun, 2017

  • 将差分隐私合成数据应用于关系数据库的适应性

    本研究提出了一种首次相结合现有差分隐私机制生成综合性关系型数据库的算法，通过迭代优化各个合成表之间的关系，最小化其低阶边缘分布的近似误差，并保持参照完整性。最终，我们对该算法提供了差分隐私和理论效用保证。

    May, 2024

  • 超大规模机器学习的关系运算自动微分

    研究关系数据模型如何区分计算，证明了基于自动差分算法的关系引擎能够轻松处理大规模数据集，并且在大规模分布式机器学习领域与最新专用系统相竞争。

    May, 2023

  • 双重查询：针对高维数据的实用私有查询发布

    提出了一种实用的差分隐私算法，可以回答高维数据集上的大量查询，并将计算困难的步骤封装为一个简洁定义的整数规划问题，以实现高效的回答。通过在 Netflix 数据集上的实验，证明了该算法的精度和隐私性定理，并提出了比现有技术显著改进的方案。

    Feb, 2014

  • NL2SQL 的关系感知半自回归语义解析

    该论文提出了一种基于关系嵌入的半自回归语义分析 NL2SQL 方法，通过 ELECTRA 和关系感知 transformer 层实现与模式实体及问题单词之间的关系嵌入，再使用半自回归解析器和预定义的 SQL 语法解码查询 SQL，从实验结果和案例研究来看，该方法在 NL2SQL 中具有更好的词汇表现力。

    Aug, 2021

  • QURG: 基于问题重写的上下文引导文本至 SQL 语义解析

    QURG 提出了一种新型的问题重写引导方法，通过训练问题重写模型以便更好地理解当前问题和问题上下文间的关联，并设计了双流矩阵编码器来联合建模，从而最终实现了优化基于上下文的自然语言问题到 SQL 查询的性能表现。

    May, 2023

  • SQL 查询语义等价判定的公理基础和算法

    本文提出了一种新的形式主义和基于 U-semiring 的实现，扩展了 SQL 的半环语义，并利用 U-semiring 对 SQL 查询的等价性进行推理，该方法能够应对不同的完整约束和集合；我们还对 39 个查询重写规则进行了正式验证。

    Feb, 2018

  • CQR-SQL：对话式问题重构增强的上下文相关文本到 SQL 解析器

    该论文提出了一种名为 CQR-SQL 的方法，利用辅助对话问题改写（CQR）学习来显式地利用模式，并解耦文本 - SQL 语句的上下文依赖关系，从而增强 SQL 解析的能力。该方法在两个文本 - SQL 基准测试中取得了最新的最先进结果。

    May, 2022