論文の概要: Multi-Analyst Differential Privacy for Online Query Answering

• arxiv url: http://arxiv.org/abs/2212.09884v1
• Date: Mon, 19 Dec 2022 22:07:07 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-19 13:10:58.717330
• Title: Multi-Analyst Differential Privacy for Online Query Answering
• Title（参考訳）: オンラインクエリ応答のためのマルチアナリシスディファレンシャルプライバシ
• Authors: David Pujol, Albert Sun, Brandon Fain, Ashwin Machanavajjhala
• Abstract要約: オンライン問合せ応答の場合に応じて, 複数アナリストによる差分プライベートな問合せ応答に関する先行研究を拡張した。 オンラインケースにおける未知のクエリの順序付けは、応答可能なクエリの数に根本的な制限をもたらすことを実証する。 応答として,デシダラタを満足するが基本的制約を受ける2つのメカニズムと,既存のオンラインクエリ応答機構がデシダラタを満足できるように入力順序をランダム化する2つのメカニズムを開発する。
• 参考スコア（独自算出の注目度）: 9.958631213800432
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Most differentially private mechanisms are designed for the use of a single analyst. In reality, however, there are often multiple stakeholders with different and possibly conflicting priorities that must share the same privacy loss budget. This motivates the problem of equitable budget-sharing for multi-analyst differential privacy. Our previous work defined desiderata that any mechanism in this space should satisfy and introduced methods for budget-sharing in the offline case where queries are known in advance. We extend our previous work on multi-analyst differentially private query answering to the case of online query answering, where queries come in one at a time and must be answered without knowledge of the following queries. We demonstrate that the unknown ordering of queries in the online case results in a fundamental limit in the number of queries that can be answered while satisfying the desiderata. In response, we develop two mechanisms, one which satisfies the desiderata in all cases but is subject to the fundamental limitations, and another that randomizes the input order ensuring that existing online query answering mechanisms can satisfy the desiderata.
• Abstract（参考訳）: ほとんどの微分プライベートメカニズムは、単一アナリストの使用のために設計されている。 しかし実際には、同じプライバシー損失予算を共有する必要がある、異なる、おそらく矛盾する優先順位を持つ複数の利害関係者がしばしばいます。 これは、多アナリストの差分プライバシーのための公平な予算共有の問題を引き起こす。 これまでの作業では,この領域の任意のメカニズムが満足すべきである,というデシラタを定義しました。 我々は、オンラインクエリ応答の場合には、前回のマルチアナリシスなプライベートクエリ応答に関する作業を拡張し、そこでは、クエリが一度にひとつになり、次に挙げたクエリを知らずに応答しなければならない。 オンラインケースにおける未知のクエリの順序付けは、デシダータを満足させながら答えられるクエリの数に根本的な制限をもたらすことを実証する。 応答として,デシダラタを満足するが基本的制約を受ける2つのメカニズムと,既存のオンラインクエリ応答機構がデシダラタを満足できるように入力順序をランダム化する2つのメカニズムを開発する。

関連論文リスト

• Unified Mechanism-Specific Amplification by Subsampling and Group Privacy Amplification [54.1447806347273]
  サブサンプリングによる増幅は、差分プライバシーを持つ機械学習の主要なプリミティブの1つである。 本稿では、メカニズム固有の保証を導出するための最初の一般的なフレームワークを提案する。 サブサンプリングが複数のユーザのプライバシに与える影響を分析する。
  論文  参考訳（メタデータ） (2024-03-07T19:36:05Z)
• Adaptive Privacy Composition for Accuracy-first Mechanisms [55.53725113597539]
  ノイズ低減機構はますます正確な答えを生み出す。 アナリストは、公表された最も騒々しい、あるいは最も正確な回答のプライバシー費用のみを支払う。 ポスト前のプライベートメカニズムがどのように構成されるかは、まだ研究されていない。 我々は、分析者が微分プライベートとポストプライベートのメカニズムを適応的に切り替えることのできるプライバシーフィルタを開発した。
  論文  参考訳（メタデータ） (2023-06-24T00:33:34Z)
• Federated Prompting and Chain-of-Thought Reasoning for Improving LLMs Answering [13.735277588793997]
  クラウドベースLarge Language Models (LLMs) を用いた分散ユーザによる質問に対する回答精度の向上について検討する。 本研究は,同じ数学的推論ステップと問題解決手順を含む類似のクエリをユーザが質問する典型的な状況に焦点を当てる。 本稿では,自己整合性(SC)とCoT(Chain-of-Thought)技術を用いて,分散同義語質問を改善することを提案する。
  論文  参考訳（メタデータ） (2023-04-27T01:48:03Z)
• On Differential Privacy and Adaptive Data Analysis with Bounded Space [76.10334958368618]
  差分プライバシーと適応データ分析の2つの関連分野の空間複雑性について検討する。 差分プライバシーで効率的に解くために指数関数的に多くの空間を必要とする問題Pが存在することを示す。 アダプティブデータ分析の研究の行は、アダプティブクエリのシーケンスに応答するのに必要なサンプルの数を理解することに焦点を当てている。
  論文  参考訳（メタデータ） (2023-02-11T14:45:31Z)
• Multi-Tenant Optimization For Few-Shot Task-Oriented FAQ Retrieval [0.0]
  タスク指向ダイアログシステムにおけるビジネス固有の頻繁な質問(FAQ)検索は、ユニークな課題を提起する。 クエリクエスト(q-Q)類似度と少数ショットインテント検出技術を用いて,このようなビジネスFAQの性能を評価する。 文中の最後の層を対照的に微調整することで,マルチテナントFAQアプリケーションを現実のコンテキストでスケールする手法を提案する。
  論文  参考訳（メタデータ） (2023-01-25T10:55:45Z)
• Diverse Multi-Answer Retrieval with Determinantal Point Processes [11.925050407713597]
  本稿では,BERTをカーネルとして利用する決定点プロセスを用いた再ランク付け手法を提案する。 その結果,本手法はAmbigQAデータセットの最先端手法よりも優れていた。
  論文  参考訳（メタデータ） (2022-11-29T08:54:05Z)
• Private Query Release via the Johnson-Lindenstrauss Transform [93.20051580730234]
  差分プライバシーを持つ統計的クエリに対する回答を解放する新しい手法を提案する。 鍵となる考え方は、クエリの回答を低次元空間にランダムに投影することである。 単純なノイズ付加機構を用いて予測されたクエリに回答し、元の次元まで答えを引き上げます。
  論文  参考訳（メタデータ） (2022-08-15T19:19:16Z)
• Interpretable by Design: Learning Predictors by Composing Interpretable Queries [8.054701719767293]
  機械学習アルゴリズムは設計によって解釈されるべきである。 正確な予測に必要なクエリの数を最小限に抑える。 視覚とNLPタスクの実験は、我々のアプローチの有効性を実証している。
  論文  参考訳（メタデータ） (2022-07-03T02:40:34Z)
• Session-Aware Query Auto-completion using Extreme Multi-label Ranking [61.753713147852125]
  本稿では,セッション対応クエリ自動補完の新たな手法を,XMR(Multi Multi-Xtreme Ranking)問題として取り上げる。 アルゴリズムのキーステップにいくつかの修正を提案することにより、この目的のために一般的なXMRアルゴリズムを適応させる。 当社のアプローチは、セッション情報を活用しながら、自動補完システムの厳しいレイテンシ要件を満たします。
  論文  参考訳（メタデータ） (2020-12-09T17:56:22Z)
• Public Bayesian Persuasion: Being Almost Optimal and Almost Persuasive [57.47546090379434]
  i) 任意の状態空間, (ii) 任意の行動空間, (iii) 任意の送信者のユーティリティ関数を用いて, 一般の状況下での公衆の説得問題を考察する。 任意の公的な説得問題に対して準多項式時間ビクテリア近似アルゴリズムを提案し、特定の設定でQPTASを出力する。
  論文  参考訳（メタデータ） (2020-02-12T18:59:18Z)

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。