Jul, 2024
稳定列表译码下的不可知私密密度估计
Agnostic Private Density Estimation via Stable List Decoding
TL;DR我们引入了一种新的稳定性概念——稳定列表解码，并证明其在设计差分隐私密度估计器方面的适用性。该定义弱于全局稳定性，与可复制性和列表可复制性概念相关。我们展示了如果一类分布是稳定列表可解码的，则可以在对抗设置下私下学习。作为我们框架的主要应用，我们证明了在对抗设置下对高斯混合模型的私密密度估计的样本复杂度的首个上界，从而扩展了Afzali等人的可实现结果。