論文の概要: On the $f$-Differential Privacy Guarantees of Discrete-Valued Mechanisms
- arxiv url: http://arxiv.org/abs/2302.09624v1
- Date: Sun, 19 Feb 2023 16:58:53 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-21 17:34:36.784130
- Title: On the $f$-Differential Privacy Guarantees of Discrete-Valued Mechanisms
- Title(参考訳): 離散価値メカニズムの「f$-differential privacy guarantees」について
- Authors: Richeng Jin, Zhonggen Su, Caijun Zhong, Zhaoyang Zhang, Tony Quek,
Huaiyu Dai
- Abstract要約: 差分プライバシー(DP)レンズにおける有限出力空間を有する離散値機構のプライバシー保証について検討する。
我々は、差分プライバシー、ビザンチンレジリエンス、通信効率のトレードオフを特徴づける。
- 参考スコア(独自算出の注目度): 51.685453710198914
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We consider a federated data analytics problem in which a server coordinates
the collaborative data analysis of multiple users with privacy concerns and
limited communication capability. The commonly adopted compression schemes
introduce information loss into local data while improving communication
efficiency, and it remains an open question whether such discrete-valued
mechanisms provide any privacy protection. Considering that differential
privacy has become the gold standard for privacy measures due to its simple
implementation and rigorous theoretical foundation, in this paper, we study the
privacy guarantees of discrete-valued mechanisms with finite output space in
the lens of $f$-differential privacy (DP). By interpreting the privacy leakage
as a hypothesis testing problem, we derive the closed-form expression of the
tradeoff between type I and type II error rates, based on which the $f$-DP
guarantees of a variety of discrete-valued mechanisms, including binomial
mechanisms, sign-based methods, and ternary-based compressors, are
characterized. We further investigate the Byzantine resilience of binomial
mechanisms and ternary compressors and characterize the tradeoff among
differential privacy, Byzantine resilience, and communication efficiency.
Finally, we discuss the application of the proposed method to differentially
private stochastic gradient descent in federated learning.
- Abstract(参考訳): 本稿では,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ションデータ分析問題を考える。
一般に採用されている圧縮スキームは、通信効率を向上しながら、ローカルデータに情報損失を導入しており、そのような離散値のメカニズムがプライバシー保護を提供するかどうかには疑問が残る。
本稿では,その簡単な実装と厳密な理論的基礎により,プライバシー対策の金本位になったことを考慮し,f$-differential privacy (dp) のレンズに有限出力空間を持つ離散値機構のプライバシー保証について検討する。
プライバシリークを仮説検証問題として解釈することにより,二項機構,符号ベース手法,三元系圧縮機など,様々な離散値機構の$f$-dpが保証されるタイプiとタイプiiのトレードオフのクローズドフォーム表現を導出する。
さらに,二項機構と三項圧縮機のビザンチン弾性について検討し,微分プライバシー,ビザンチン弾性,通信効率のトレードオフを特徴付ける。
最後に,フェデレート学習における確率勾配勾配の差分化に対する提案手法の適用について論じる。
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) - TernaryVote: Differentially Private, Communication Efficient, and
Byzantine Resilient Distributed Optimization on Heterogeneous Data [50.797729676285876]
本稿では, 3次圧縮機と多数決機構を組み合わせて, 差分プライバシー, 勾配圧縮, ビザンチンレジリエンスを同時に実現するternaryVoteを提案する。
提案アルゴリズムのF差分プライバシー(DP)とビザンチンレジリエンスのレンズによるプライバシー保証を理論的に定量化する。
論文 参考訳(メタデータ) (2024-02-16T16:41:14Z) - A Learning-based Declarative Privacy-Preserving Framework for Federated Data Management [23.847568516724937]
本稿では,DP-SGDアルゴリズムを用いて学習したディープラーニングモデルを用いた新たなプライバシ保存手法を提案する。
次に、ユーザが"保護する方法"ではなく、"保護すべきプライベート情報"を指定可能な、宣言的なプライバシ保護ワークフローを新たにデモします。
論文 参考訳(メタデータ) (2024-01-22T22:50:59Z) - The Symmetric alpha-Stable Privacy Mechanism [0.0]
本稿では,Symmetric alpha-Stable (SaS) 機構の新しい解析法を提案する。
この機構は、畳み込みの下で閉じたまま、純粋に微分プライベートであることを示す。
論文 参考訳(メタデータ) (2023-11-29T16:34:39Z) - 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) - Chained-DP: Can We Recycle Privacy Budget? [18.19895364709435]
本稿では,ユーザが順次データアグリゲーションを実行し,プライバシ予算を再利用することのできる,新しいChained-DPフレームワークを提案する。
逐次ゲームの数学的性質を示し、そのナッシュ平衡を解き、証明可能な経済特性を持つインセンティブメカニズムを設計する。
提案手法の有効性を数値シミュレーションにより検証し,従来のLPP機構と比較して,プライバシ予算の大幅な削減と推定誤差の低減を図った。
論文 参考訳(メタデータ) (2023-09-12T08:07:59Z) - Summary Statistic Privacy in Data Sharing [23.50797952699759]
本研究では,データ配信の要約統計を明らかにすることなく,データ保持者が受信者とデータを共有したい状況について検討する。
このようなメカニズムのプライバシーリスクを定量化するための指標である統計プライバシーの要約を提案する。
提案した量子化メカニズムは、代替プライバシメカニズムよりも優れたプライバシー歪曲トレードオフを実現する。
論文 参考訳(メタデータ) (2023-03-03T15:29:19Z) - DP2-Pub: Differentially Private High-Dimensional Data Publication with
Invariant Post Randomization [58.155151571362914]
本稿では,2つのフェーズで動作する差分プライベートな高次元データパブリッシング機構(DP2-Pub)を提案する。
属性をクラスタ内凝集度の高い低次元クラスタに分割し、クラスタ間の結合度を低くすることで、適切なプライバシ予算を得ることができる。
また、DP2-Pubメカニズムを、ローカルの差分プライバシーを満たす半正直なサーバでシナリオに拡張します。
論文 参考訳(メタデータ) (2022-08-24T17:52:43Z) - Optimal and Differentially Private Data Acquisition: Central and Local
Mechanisms [9.599356978682108]
プライバシに敏感なユーザからデータを収集するプラットフォームの問題を考え,その基盤となる関心パラメータを推定する。
ユーザに対して、プライバシ保証を提供するための2つの一般的な差分プライバシ設定について検討する。
このメカニズム設計問題は,ユーザのプライバシ感を真に報告するための推定器と支払器の最適選択として機能する。
論文 参考訳(メタデータ) (2022-01-10T00:27:43Z) - Graph-Homomorphic Perturbations for Private Decentralized Learning [64.26238893241322]
ローカルな見積もりの交換は、プライベートデータに基づくデータの推測を可能にする。
すべてのエージェントで独立して選択された摂動により、パフォーマンスが著しく低下する。
本稿では,特定のヌル空間条件に従って摂動を構成する代替スキームを提案する。
論文 参考訳(メタデータ) (2020-10-23T10:35:35Z)
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。