論文の概要: Estimating Sparse Discrete Distributions Under Local Privacy and Communication Constraints

• arxiv url: http://arxiv.org/abs/2011.00083v3
• Date: Fri, 19 Feb 2021 04:06:00 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-01 17:41:41.582974
• Title: Estimating Sparse Discrete Distributions Under Local Privacy and Communication Constraints
• Title（参考訳）: ローカルプライバシおよび通信制約下におけるスパース離散分布の推定
• Authors: Jayadev Acharya, Peter Kairouz, Yuhan Liu, Ziteng Sun
• Abstract要約: 局所差分プライバシー(LDP)と通信制約下での分散分布を推定する問題を考察する。 我々は, LDP制約下でのスパース推定におけるサンプル複雑性と, 対数係数までの通信制約下でのサンプル複雑性を特徴付ける。
• 参考スコア（独自算出の注目度）: 46.944178305032146
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We consider the problem of estimating sparse discrete distributions under local differential privacy (LDP) and communication constraints. We characterize the sample complexity for sparse estimation under LDP constraints up to a constant factor and the sample complexity under communication constraints up to a logarithmic factor. Our upper bounds under LDP are based on the Hadamard Response, a private coin scheme that requires only one bit of communication per user. Under communication constraints, we propose public coin schemes based on random hashing functions. Our tight lower bounds are based on the recently proposed method of chi squared contractions.
• Abstract（参考訳）: 局所的差分プライバシー(LDP)と通信制約下での分散分布を推定する問題を考察する。 我々は, LDP制約下でのスパース推定におけるサンプル複雑性と, 対数係数までの通信制約下でのサンプル複雑性を特徴付ける。 LDPの上限はAdamard Responseに基づいており、これは1ユーザあたり1ビットの通信しか必要としないプライベートコインスキームである。 通信制約下では,ランダムハッシュ関数に基づく公開コインスキームを提案する。 タイトな下限は,最近提案されたchi二乗縮約法に基づいている。

関連論文リスト

• Privacy Preserving Semi-Decentralized Mean Estimation over Intermittently-Connected Networks [59.43433767253956]
  信頼できない無線ネットワークの異なるノードに分散するベクトルの平均をプライベートに推定する問題を考える。 半分散的なセットアップでは、ノードは隣人と協力してローカルコンセンサスを計算し、中央サーバにリレーする。 ノード間のデータ共有による協調中継とプライバシー漏洩のトレードオフについて検討する。
  論文  参考訳（メタデータ） (2024-06-06T06:12:15Z)
• Optimal Private Discrete Distribution Estimation with One-bit Communication [63.413106413939836]
  1ビット通信制約を伴う個別分布推定問題を考える。 1ビット通信制約下での最悪のトレードオフの1次を特徴付ける。 これらの結果は,1ビット通信制約下でのプライバシユーティリティトレードオフの最適依存性を示す。
  論文  参考訳（メタデータ） (2023-10-17T05:21:19Z)
• Breaking the Communication-Privacy-Accuracy Tradeoff with $f$-Differential Privacy [51.11280118806893]
  サーバが複数のユーザの協調的なデータ分析を,プライバシの懸念と限られた通信能力で調整する,フェデレートされたデータ分析問題を考える。 有限出力空間を有する離散値機構の局所的差分プライバシー保証を$f$-differential privacy (DP) レンズを用いて検討する。 より具体的には、様々な離散的評価機構の厳密な$f$-DP保証を導出することにより、既存の文献を前進させる。
  論文  参考訳（メタデータ） (2023-02-19T16:58:53Z)
• Differentially Private Decentralized Optimization with Relay Communication [1.2695958417031445]
  プライバシリーク頻度(PLF)は,アルゴリズムの通信とプライバシリークの関係を明らかにする指標である。 DP-RECAL は, 演算子分割法と中継通信機構を利用して, PLF の低減を図っている。
  論文  参考訳（メタデータ） (2022-12-21T09:05:36Z)
• Quantization for decentralized learning under subspace constraints [61.59416703323886]
  エージェントがサブスペース制約を最小化するために個々のコスト関数を持つ分散最適化問題を考察する。 本稿では,エージェントが確率化量子化器を用いて推定値を圧縮する適応分散型戦略を提案し,検討する。 この分析は、量子化ノイズのいくつかの一般的な条件下では、平均二乗誤差と平均ビットレートの両方で戦略が安定であることを示している。
  論文  参考訳（メタデータ） (2022-09-16T09:38:38Z)
• One-bit Submission for Locally Private Quasi-MLE: Its Asymptotic Normality and Limitation [3.050919759387985]
  ローカルディファレンシャルプライバシ(英: Local differential privacy、LDP)は、信頼できないデータキュレーターを含む統計調査に適した情報理論のプライバシ定義である。 LDP QMLEを構築するには,長時間の待ち時間,通信コスト,ログ型関数の導関数の有界性仮定などにより,現実の大規模サーベイシステムの実装が困難である。 我々はこれらの問題なしに代替の LDP プロトコルを提供し、大規模なサーベイに容易にデプロイできる可能性がある。
  論文  参考訳（メタデータ） (2022-02-15T05:04:59Z)
• Robust Estimation for Nonparametric Families via Generative Adversarial Networks [92.64483100338724]
  我々は,高次元ロバストな統計問題を解くためにGAN(Generative Adversarial Networks)を設計するためのフレームワークを提供する。 我々の研究は、これらをロバスト平均推定、第二モーメント推定、ロバスト線形回帰に拡張する。 技術面では、提案したGAN損失は、スムーズで一般化されたコルモゴロフ-スミルノフ距離と見なすことができる。
  論文  参考訳（メタデータ） (2022-02-02T20:11:33Z)
• Robust Testing and Estimation under Manipulation Attacks [32.95545820578349]
  強汚染モデルにおける離散分布の堅牢な試験と推定について検討する。 我々は「集中的設定」と「情報制約付き分散設定」の両方を考慮する。
  論文  参考訳（メタデータ） (2021-04-21T19:49:49Z)
• Unified lower bounds for interactive high-dimensional estimation under information constraints [40.339506154827106]
  我々は、異なるパラメトリックな分布族に対して、様々な(八)ミニマックスの下限を導出できる統一的なフレームワークを提供する。 我々の下界フレームワークは汎用的であり、幅広い推定問題に適用可能な「プラグ・アンド・プレイ」境界が得られる。
  論文  参考訳（メタデータ） (2020-10-13T17:25:19Z)

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。