論文の概要: Privacy Against Hypothesis-Testing Adversaries for Quantum Computing

• arxiv url: http://arxiv.org/abs/2302.12405v1
• Date: Fri, 24 Feb 2023 02:10:27 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-27 14:51:57.895485
• Title: Privacy Against Hypothesis-Testing Adversaries for Quantum Computing
• Title（参考訳）: 量子コンピューティングにおける仮説テストに対するプライバシ
• Authors: Farhad Farokhi
• Abstract要約: 本稿では,量子仮説テストに基づく量子コンピューティングにおけるデータプライバシの新たな定義を提案する。 本論文で定義した仮説検証敵に対するプライバシと量子差分プライバシーの関係について検討する。
• 参考スコア（独自算出の注目度）: 14.095523601311374
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A novel definition for data privacy in quantum computing based on quantum hypothesis testing is presented in this paper. The parameters in this privacy notion possess an operational interpretation based on the success/failure of an omnipotent adversary being able to distinguish the private categories to which the data belongs using arbitrary measurements on quantum states. Important properties of post processing and composition are then proved for the new notion of privacy. The relationship between privacy against hypothesis-testing adversaries, defined in this paper, and quantum differential privacy are then examined. It is shown that these definitions are intertwined in some parameter regimes. This enables us to provide an interpretation for the privacy budget in quantum differential privacy based on its relationship with privacy against hypothesis testing adversaries.
• Abstract（参考訳）: 本稿では,量子仮説テストに基づく量子コンピューティングにおけるデータプライバシの新たな定義について述べる。 このプライバシー概念のパラメータは、データが量子状態の任意の測定値を用いて属するプライベートカテゴリを識別できる全能の敵の成功/失敗に基づく運用上の解釈を持っている。 ポスト処理と構成の重要な特性は、新しいプライバシー概念のために証明される。 本論文で定義した仮説検証敵に対するプライバシと量子差分プライバシーの関係について検討する。 これらの定義はいくつかのパラメータ体系に絡み合っていることが示されている。 これにより、仮説テスト敵に対するプライバシーとの関係に基づいて、量子微分プライバシーにおけるプライバシー予算の解釈が可能になる。

関連論文リスト

• Differential Privacy Overview and Fundamental Techniques [63.0409690498569]
  この章は、"Differential Privacy in Artificial Intelligence: From Theory to Practice"という本の一部である。 まず、データのプライバシ保護のためのさまざまな試みについて説明し、その失敗の場所と理由を強調した。 次に、プライバシ保護データ分析の領域を構成する重要なアクター、タスク、スコープを定義する。
  論文  参考訳（メタデータ） (2024-11-07T13:52:11Z)
• A Statistical Viewpoint on Differential Privacy: Hypothesis Testing, Representation and Blackwell's Theorem [30.365274034429508]
  我々は、差分プライバシーはテクストプア統計概念とみなすことができると論じる。 $f$-differential privacyは、データ分析と機械学習のプライバシー境界を分析するための統合フレームワークである。
  論文  参考訳（メタデータ） (2024-09-14T23:47:22Z)
• Differential Privacy Preserving Quantum Computing via Projection Operator Measurements [15.024190374248088]
  古典コンピューティングでは、プライバシ保護の標準を満たすために、差分プライバシ(DP)の概念を組み込むことができる。 量子コンピューティングのシナリオでは、研究者は量子ノイズを考慮して古典DPを量子微分プライバシー(QDP)に拡張した。 ショットノイズは、量子コンピューティングにおいて、効果的にプライバシ保護を提供することを示す。
  論文  参考訳（メタデータ） (2023-12-13T15:27:26Z)
• A unifying framework for differentially private quantum algorithms [0.0]
  本稿では、近隣の量子状態の新規で一般的な定義を提案する。 この定義が量子符号化の基盤となる構造を捉えることを実証する。 また、入力状態のコピーを複数用意した代替設定についても検討する。
  論文  参考訳（メタデータ） (2023-07-10T17:44:03Z)
• Quantum Pufferfish Privacy: A Flexible Privacy Framework for Quantum Systems [19.332726520752846]
  量子フグプライバシ(QPP)と呼ばれる量子システムのための多用途プライバシフレームワークを提案する。 古典的なフグのプライバシーにインスパイアされた私たちの定式化は、量子微分プライバシーの限界を一般化し対処します。 ここでは,QPPはダッタ・レディツキー情報スペクトルのばらつきの観点から等価に定式化可能であることを示す。
  論文  参考訳（メタデータ） (2023-06-22T17:21:17Z)
• A Randomized Approach for Tight Privacy Accounting [63.67296945525791]
  推定検証リリース(EVR)と呼ばれる新しい差分プライバシーパラダイムを提案する。 EVRパラダイムは、まずメカニズムのプライバシパラメータを推定し、その保証を満たすかどうかを確認し、最後にクエリ出力を解放する。 我々の実証的な評価は、新たに提案されたEVRパラダイムが、プライバシ保護機械学習のユーティリティプライバシトレードオフを改善することを示している。
  論文  参考訳（メタデータ） (2023-04-17T00:38:01Z)
• On Differentially Private Online Predictions [74.01773626153098]
  オンラインプロセスを扱うために,共同微分プライバシーのインタラクティブなバリエーションを導入する。 グループプライバシ、コンポジション、ポストプロセッシングの(適切なバリエーション)を満たすことを実証する。 次に、オンライン分類の基本設定において、インタラクティブな共同プライバシーのコストについて検討する。
  論文  参考訳（メタデータ） (2023-02-27T19:18:01Z)
• How Do Input Attributes Impact the Privacy Loss in Differential Privacy? [55.492422758737575]
  DPニューラルネットワークにおけるオブジェクトごとの規範と個人のプライバシ損失との関係について検討する。 プライバシ・ロス・インプット・サセプティビリティ(PLIS)と呼ばれる新しい指標を導入し、被験者のプライバシ・ロスを入力属性に適応させることを可能にした。
  論文  参考訳（メタデータ） (2022-11-18T11:39:03Z)
• Algorithms with More Granular Differential Privacy Guarantees [65.3684804101664]
  我々は、属性ごとのプライバシー保証を定量化できる部分微分プライバシー(DP)について検討する。 本研究では,複数の基本データ分析および学習タスクについて検討し,属性ごとのプライバシパラメータが個人全体のプライバシーパラメータよりも小さい設計アルゴリズムについて検討する。
  論文  参考訳（メタデータ） (2022-09-08T22:43:50Z)
• Quantum Differential Privacy: An Information Theory Perspective [2.9005223064604073]
  本稿では,情報理論の枠組みにおける差分プライバシーを量子分岐として論じる。 このアプローチの主な利点は、差分プライバシーが計算の出力状態のみに基づいてプロパティとなることである。
  論文  参考訳（メタデータ） (2022-02-22T08:12:50Z)
• Robustness Threats of Differential Privacy [70.818129585404]
  我々は、いくつかの設定で差分プライバシーをトレーニングしたネットワークが、非プライベートバージョンに比べてさらに脆弱であることを実験的に実証した。 本研究では,勾配クリッピングや雑音付加などのニューラルネットワークトレーニングの主成分が,モデルの堅牢性に与える影響について検討する。
  論文  参考訳（メタデータ） (2020-12-14T18:59:24Z)

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。