論文の概要: Duff: A Dataset-Distance-Based Utility Function Family for the Exponential Mechanism

• arxiv url: http://arxiv.org/abs/2010.04235v2
• Date: Thu, 21 Jan 2021 21:54:31 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-09 13:10:47.224114
• Title: Duff: A Dataset-Distance-Based Utility Function Family for the Exponential Mechanism
• Title（参考訳）: Duff: 指数メカニズムのためのデータセット距離に基づくユーティリティ機能ファミリー
• Authors: Andr\'es Mu\~noz Medina and Jenny Gillenwater
• Abstract要約: 差分プライバシの指数関数機構に対して,汎用データセット距離ベースユーティリティ関数ファミリーであるDuffを提案し,解析する。 我々は、ダフに基づく指数的メカニズムが統計学の真値に対して証明可能な高い忠実性を与えることを示す。 特に、ダフは、分散が滑らかな感度に比例し、尾がより速いポリノミカル速度で崩壊するノイズ分布を持つことができるかどうかというオープンな疑問に対する肯定的な答えである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose and analyze a general-purpose dataset-distance-based utility function family, Duff, for differential privacy's exponential mechanism. Given a particular dataset and a statistic (e.g., median, mode), this function family assigns utility to a possible output o based on the number of individuals whose data would have to be added to or removed from the dataset in order for the statistic to take on value o. We show that the exponential mechanism based on Duff often offers provably higher fidelity to the statistic's true value compared to existing differential privacy mechanisms based on smooth sensitivity. In particular, Duff is an affirmative answer to the open question of whether it is possible to have a noise distribution whose variance is proportional to smooth sensitivity and whose tails decay at a faster-than-polynomial rate. We conclude our paper with an empirical evaluation of the practical advantages of Duff for the task of computing medians.
• Abstract（参考訳）: 差分プライバシの指数関数機構に対して,汎用データセット距離ベースユーティリティ関数ファミリーであるDuffを提案し,解析する。 特定のデータセットと統計値(例えば、中央値、モード)が与えられた場合、この関数ファミリーは、統計値がo値を取るためにデータセットにデータを追加するか削除する必要がある個人数に基づいて、可能な出力oにユーティリティを割り当てる。 duffに基づく指数関数的メカニズムは、滑らかな感度に基づく既存の差分プライバシメカニズムと比較して、統計の真の価値に対して確実に高い忠実性を提供する。 特に、ダフは、分散が滑らかな感度に比例し、尾がより速いポリノミカル速度で崩壊するノイズ分布を持つことができるかどうかというオープンな疑問に対する肯定的な答えである。 本稿では,計算中央値のタスクにおけるduffの実用的利点を実証的に評価した。

関連論文リスト

• Stratified Prediction-Powered Inference for Hybrid Language Model Evaluation [62.2436697657307]
  予測駆動推論(英: Prediction-powered Inference, PPI)は、人間ラベル付き限られたデータに基づいて統計的推定を改善する手法である。 我々はStratPPI(Stratified Prediction-Powered Inference)という手法を提案する。 単純なデータ階層化戦略を用いることで,基礎的なPPI推定精度を大幅に向上できることを示す。
  論文  参考訳（メタデータ） (2024-06-06T17:37:39Z)
• Approximating Counterfactual Bounds while Fusing Observational, Biased and Randomised Data Sources [64.96984404868411]
  我々は、複数の、偏見のある、観察的、介入的な研究からのデータを統合するという問題に対処する。 利用可能なデータの可能性は局所的な最大値を持たないことを示す。 次に、同じアプローチが複数のデータセットの一般的なケースにどのように対処できるかを示す。
  論文  参考訳（メタデータ） (2023-07-31T11:28:24Z)
• Mean Estimation with User-level Privacy under Data Heterogeneity [54.07947274508013]
  異なるユーザーは、非常に多くの異なるデータポイントを持っているかもしれない。 すべてのユーザが同じディストリビューションからサンプルを採取していると仮定することはできない。 本研究では,データの分布と量の両方でユーザデータが異なる異質なユーザデータの単純なモデルを提案する。
  論文  参考訳（メタデータ） (2023-07-28T23:02:39Z)
• Regression with Label Differential Privacy [64.21020761920322]
  与えられた回帰損失関数の下で最適なラベルDPランダム化機構を導出する。 我々は、最適メカニズムが「ビンのランダム化応答」の形をとることを証明した。
  論文  参考訳（メタデータ） (2022-12-12T17:41:32Z)
• Data-Driven Influence Functions for Optimization-Based Causal Inference [105.5385525290466]
  統計的汎関数に対するガトー微分を有限差分法で近似する構成的アルゴリズムについて検討する。 本研究では,確率分布を事前知識がないが,データから推定する必要がある場合について検討する。
  論文  参考訳（メタデータ） (2022-08-29T16:16:22Z)
• Robust Topological Inference in the Presence of Outliers [18.6112824677157]
  コンパクト集合への距離関数は、位相データ解析のパラダイムにおいて重要な役割を果たす。 ハウスドルフ距離における摂動に対する安定性にもかかわらず、永続ホモロジーは外れ値に対して非常に敏感である。 距離関数(textsfMoM Dist$)の$textitmedian-of-means$変種を提案し、その統計特性を確立する。
  論文  参考訳（メタデータ） (2022-06-03T19:45:43Z)
• Uncertainty Modeling for Out-of-Distribution Generalization [56.957731893992495]
  特徴統計を適切に操作することで、ディープラーニングモデルの一般化能力を向上させることができると論じる。 一般的な手法では、特徴統計を学習した特徴から測定された決定論的値とみなすことが多い。 我々は、学習中に合成された特徴統計を用いて、領域シフトの不確かさをモデル化することにより、ネットワークの一般化能力を向上させる。
  論文  参考訳（メタデータ） (2022-02-08T16:09:12Z)
• Data-Driven Reachability analysis and Support set Estimation with Christoffel Functions [8.183446952097528]
  動的システムの前方到達可能な集合を推定するためのアルゴリズムを提案する。 生成された推定は、経験的逆クリストッフェル函数と呼ばれる関数の部分レベル集合である。 到達可能性解析に加えて、確率変数の支持を推定する一般的な問題にも同様のアプローチを適用することができる。
  論文  参考訳（メタデータ） (2021-12-18T20:25:34Z)
• Denoising Score Matching with Random Fourier Features [11.60130641443281]
  Kernel Exponential Family を用いたDenoising Score matching の解析式をモデル分布として導出する。 得られた式はノイズのばらつきに明示的に依存するため、バリデーション損失はノイズレベルを調整するために簡単に使用できる。
  論文  参考訳（メタデータ） (2021-01-13T18:02:39Z)
• DP-MERF: Differentially Private Mean Embeddings with Random Features for Practical Privacy-Preserving Data Generation [11.312036995195594]
  カーネル平均埋め込みのランダムな特徴表現を用いた差分プライベートなデータ生成パラダイムを提案する。 ランダムな特徴表現を2つの重要な利点として活用する。 我々のアルゴリズムは、いくつかのデータセットでテストした場合に、既存の方法よりもはるかに優れたプライバシーとユーティリティのトレードオフを実現する。
  論文  参考訳（メタデータ） (2020-02-26T16:41:41Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。