論文の概要: Outer Bounds on the CEO Problem with Privacy Constraints

• arxiv url: http://arxiv.org/abs/2301.12526v4
• Date: Sun, 19 Jan 2025 22:31:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-22 14:14:16.626917
• Title: Outer Bounds on the CEO Problem with Privacy Constraints
• Title（参考訳）: Outer氏がプライバシ制約に関するCEOの問題点を語る
• Authors: Vamoua Yachongka, Hideki Yagi, Hideki Ochiai,
• Abstract要約: 当社は、最高経営責任者(CEO)問題における利ゆがみ緩和地域について検討する。 本研究では,耳栓に側情報がない場合に,離散音源とガウス音源との密接な結合が得られることを示す。 さらに、盗聴者が側情報を持っているシナリオに対して、速度歪み低減領域について検討し、その歪みをログロス歪み測定によって定量化する。
• 参考スコア（独自算出の注目度）: 9.954382983583578
• License:
• Abstract: We investigate the rate-distortion-leakage region of the Chief Executive Officer (CEO) problem, considering the presence of a passive eavesdropper and privacy constraints. We start by examining the region where a general distortion measure quantifies the distortion. While the inner bound of the region is derived from previous work, this paper newly develops an outer bound. To derive the outer bound, we introduce a new lemma tailored for analyzing privacy constraints. Next, as a specific instance of the general distortion measure, we demonstrate that the tight bound for discrete and Gaussian sources is obtained when the eavesdropper has no side information, and the distortion is quantified by the log-loss distortion measure. We further investigate the rate-distortion-leakage region for a scenario where the eavesdropper has side information, and the distortion is quantified by the log-loss distortion measure and provide an outer bound for this case. The derived outer bound differs from the inner bound by only a minor quantity that appears in the constraints associated with the privacy-leakage rates, and these bounds match when the distortion is large.
• Abstract（参考訳）: 我々は,受動的盗聴者の存在とプライバシー制約を考慮し,最高経営責任者(CEO)問題の発生率・歪曲領域について検討する。 まず、一般的な歪み測定値が歪みを定量化する領域を調べる。 この領域の内界は以前の研究から導かれるものであるが,本論文では新たに外界を新たに展開する。 外部制約を導出するために,プライバシー制約の分析に適した新しい補題を導入する。 次に, 一般的な歪み測定の具体例として, 軒跡にサイド情報がない場合に, 離散およびガウス音源のタイトバウンドが得られ, その歪みをログロス歪み測定によって定量化することを示した。 さらに、盗難機が側情報を有するシナリオに対する速度歪み低減領域について検討し、その歪みをログロス歪み測定によって定量化し、その場合の外部境界を与える。 導出外界は、プライバシー上昇率に関連する制約に現れるわずかな量で内界と異なり、歪みが大きいときにこれらの境界が一致する。

関連論文リスト

• Gaussian Rate-Distortion-Perception Coding and Entropy-Constrained Scalar Quantization [12.575809787716771]
  本稿では,2次ガウス歪み率知覚関数の共通乱数に制限のある有界性について検討する。 境界は、タラグランドの輸送不平等の洗練されたバージョンによって互いに推論できないという意味では非退化的である。 認識測度が正方形ワッサーシュタイン2距離によって与えられると、改善された下界が確立される。
  論文  参考訳（メタデータ） (2024-09-04T02:31:53Z)
• Initialization Matters: Privacy-Utility Analysis of Overparameterized Neural Networks [72.51255282371805]
  我々は、最悪の近傍データセット上でのモデル分布間のKLばらつきのプライバシー境界を証明した。 このKLプライバシー境界は、トレーニング中にモデルパラメータに対して期待される2乗勾配ノルムによって決定される。
  論文  参考訳（メタデータ） (2023-10-31T16:13:22Z)
• 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)
• Privacy Loss of Noisy Stochastic Gradient Descent Might Converge Even for Non-Convex Losses [4.68299658663016]
  Noisy-SGDアルゴリズムは機械学習モデルのプライベートトレーニングに広く利用されている。 最近の研究によると、もし内部の状態が隠されたままなら、プライバシーの喪失は行き詰まる可能性がある。 DP-SGDは,学習過程における個々のサンプルの影響を抑えるために,勾配クリッピングを取り入れたNuisy-SGDの一般的な変種である。
  論文  参考訳（メタデータ） (2023-05-17T02:25:56Z)
• Data-dependent Generalization Bounds via Variable-Size Compressibility [16.2444595840653]
  我々は「可変サイズ圧縮性」フレームワークのレンズによる一般化誤差に関する新しいデータ依存上界を確立する。 このフレームワークでは、アルゴリズムの一般化誤差を、その入力データの可変サイズの「圧縮率」にリンクする。 私たちが確立した新しい一般化境界は、テール境界、期待上のテール境界、および予想外境界である。
  論文  参考訳（メタデータ） (2023-03-09T16:17:45Z)
• Effective Dimension in Bandit Problems under Censorship [22.269565708490468]
  検閲環境におけるマルチアームとコンテキストのバンディットの問題について検討する。 我々の目標は、非検閲環境向けに設計された古典的アルゴリズムの文脈における検閲による性能損失を推定することである。
  論文  参考訳（メタデータ） (2023-02-14T09:03:35Z)
• Tight Exponential Analysis for Smoothing the Max-Relative Entropy and for Quantum Privacy Amplification [56.61325554836984]
  最大相対エントロピーとその滑らかなバージョンは、量子情報理論の基本的な道具である。 我々は、精製された距離に基づいて最大相対エントロピーを滑らかにする量子状態の小さな変化の崩壊の正確な指数を導出する。
  論文  参考訳（メタデータ） (2021-11-01T16:35:41Z)
• The Interplay Between Implicit Bias and Benign Overfitting in Two-Layer Linear Networks [51.1848572349154]
  ノイズの多いデータに完全に適合するニューラルネットワークモデルは、見当たらないテストデータにうまく一般化できる。 我々は,2層線形ニューラルネットワークを2乗損失の勾配流で補間し,余剰リスクを導出する。
  論文  参考訳（メタデータ） (2021-08-25T22:01:01Z)
• A Theory of the Distortion-Perception Tradeoff in Wasserstein Space [35.25746003630763]
  推定器の歪みを下げると、その出力の分布は、推定しようとする信号の分布から逸脱する。 この現象は画像修復において顕著な関心を集めており、真理画像の忠実さは知覚品質の犠牲となる。 知覚歪トレードオフの2つの極端における推定器から推定器をどのように構築できるかを示す。
  論文  参考訳（メタデータ） (2021-07-06T11:53:36Z)
• Deconfounded Score Method: Scoring DAGs with Dense Unobserved Confounding [101.35070661471124]
  本研究では,観測データ分布に特徴的フットプリントが残っており,突発的・因果的影響を解消できることを示す。 汎用ソルバで実装し,高次元問題へのスケールアップが可能なスコアベース因果検出アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-03-28T11:07:59Z)
• Fundamental Limits and Tradeoffs in Invariant Representation Learning [99.2368462915979]
  多くの機械学習アプリケーションは、2つの競合する目標を達成する表現を学習する。 ミニマックスゲーム理論の定式化は、精度と不変性の基本的なトレードオフを表す。 分類と回帰の双方において,この一般的かつ重要な問題を情報論的に解析する。
  論文  参考訳（メタデータ） (2020-12-19T15:24:04Z)

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。