論文の概要: Differentially Private Functional Summaries via the Independent Component Laplace Process

• arxiv url: http://arxiv.org/abs/2309.00125v1
• Date: Thu, 31 Aug 2023 20:24:51 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-04 15:22:20.437140
• Title: Differentially Private Functional Summaries via the Independent Component Laplace Process
• Title（参考訳）: 独立成分ラプラス過程による微分的機能要約
• Authors: Haotian Lin, Matthew Reimherr
• Abstract要約: 本稿では,独立成分置換過程 (ICLP) と呼ばれる,独立成分置換過程(ICLP) と呼ばれる,独立成分置換過程(ICLP) を解き明かす機構を提案する。 関心の関数的要約を真に無限次元のオブジェクトとして扱い、ICLPノイズで摂動させることで、この新しいメカニズムはデータトラジェクトリの仮定を緩和し、高い有用性を保っている。
• 参考スコア（独自算出の注目度）: 8.557392136621894
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this work, we propose a new mechanism for releasing differentially private functional summaries called the Independent Component Laplace Process, or ICLP, mechanism. By treating the functional summaries of interest as truly infinite-dimensional objects and perturbing them with the ICLP noise, this new mechanism relaxes assumptions on data trajectories and preserves higher utility compared to classical finite-dimensional subspace embedding approaches in the literature. We establish the feasibility of the proposed mechanism in multiple function spaces. Several statistical estimation problems are considered, and we demonstrate by slightly over-smoothing the summary, the privacy cost will not dominate the statistical error and is asymptotically negligible. Numerical experiments on synthetic and real datasets demonstrate the efficacy of the proposed mechanism.
• Abstract（参考訳）: 本研究では,独立成分ラプラス法 (independent component laplace process, iclp, iclp) と呼ばれる微分的機能的サマリーを解放する新しいメカニズムを提案する。 興味の関数的要約を真の無限次元オブジェクトとして扱い、ICLPノイズで摂動することにより、この新しいメカニズムはデータトラジェクトリの仮定を緩和し、文献における古典的な有限次元部分空間埋め込みアプローチと比較して高い有用性を保っている。 複数の関数空間における提案機構の実現可能性を確立する。 統計的な推定問題をいくつか検討し,要約を少し過小評価することで,プライバシコストが統計的エラーを支配せず,漸近的に無視できることを示した。 合成および実データセットに関する数値実験により,提案手法の有効性が示された。

関連論文リスト

• Composable Part-Based Manipulation [61.48634521323737]
  本稿では,ロボット操作スキルの学習と一般化を改善するために,構成可能な部品ベース操作(CPM)を提案する。 CPMは構成可能な拡散モデルの集合で構成され、各モデルは異なるオブジェクト間の対応をキャプチャする。 シミュレーションおよび実世界のシナリオにおいて、我々のアプローチを検証し、ロバストかつ一般化された操作能力を達成する上での有効性を実証する。
  論文  参考訳（メタデータ） (2024-05-09T16:04:14Z)
• 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)
• Bounded and Unbiased Composite Differential Privacy [25.427802467876248]
  差分プライバシ(DP)の目的は、隣接する2つのデータベース間で区別できない出力分布を生成することにより、プライバシを保護することである。 既存のソリューションでは、後処理やトランケーション技術を使ってこの問題に対処しようとしている。 本稿では,合成確率密度関数を用いて有界および非偏りの出力を生成する新しい微分プライベート機構を提案する。
  論文  参考訳（メタデータ） (2023-11-04T04:43:47Z)
• Truncated Laplace and Gaussian mechanisms of RDP [28.227024132603123]
  ラプラス機構とガウス機構は、微分プライバシーの主要なメカニズムである。 無限範囲の確率変数によって、ラプラスとガウスのメカニズムは、負数のような意味的に不可能な値を返すことができる。
  論文  参考訳（メタデータ） (2023-09-22T06:37:45Z)
• Cactus Mechanisms: Optimal Differential Privacy Mechanisms in the Large-Composition Regime [12.420941209631742]
  本研究では,多数の構成の限界における最適微分プライバシー機構の設計について検討する。 この体制では、最高のプライバシーメカニズムは、Kullback-Leiblerの発散を最小限にするものである。 我々は、量子化アプローチが最適なメカニズムに任意に近づくことができることを示す。
  論文  参考訳（メタデータ） (2022-06-25T20:05:50Z)
• Pessimism meets VCG: Learning Dynamic Mechanism Design via Offline Reinforcement Learning [114.36124979578896]
  オフライン強化学習アルゴリズムを用いて動的メカニズムを設計する。 我々のアルゴリズムは悲観主義の原理に基づいており、オフラインデータセットのカバレッジについて軽度な仮定しか必要としない。
  論文  参考訳（メタデータ） (2022-05-05T05:44:26Z)
• Discovering Latent Causal Variables via Mechanism Sparsity: A New Principle for Nonlinear ICA [81.4991350761909]
  ICA(Independent component analysis)は、この目的を定式化し、実用的な応用のための推定手順を提供する手法の集合を指す。 潜伏変数は、潜伏機構をスパースに正則化すれば、置換まで復元可能であることを示す。
  論文  参考訳（メタデータ） (2021-07-21T14:22:14Z)
• Transformers with Competitive Ensembles of Independent Mechanisms [97.93090139318294]
  隠れた表現とパラメータを複数のメカニズムに分割し、注意を通して情報を交換する新しいトランスフォーマー層を提案する。 TIM を大規模 BERT モデル、画像変換器、および音声強調について研究し、意味的に意味のある専門化とパフォーマンスの向上の証拠を見つけます。
  論文  参考訳（メタデータ） (2021-02-27T21:48:46Z)
• Near Instance-Optimality in Differential Privacy [38.8726789833284]
  古典統計理論に着想を得た差分プライバシーにおけるインスタンス最適性の概念を考案する。 また、大規模な推定値に対してインスタンス最適(もしくはほぼインスタンス最適)な逆感度機構も開発する。
  論文  参考訳（メタデータ） (2020-05-16T04:53:48Z)
• Exact representations of many body interactions with RBM neural networks [77.34726150561087]
  我々は、RBMの表現力を利用して、多体接触相互作用を1体演算子に正確に分解する。 この構成は、ハバードモデルでよく知られたヒルシュの変換を、核物理学におけるピオンレスFTのようなより複雑な理論に一般化する。
  論文  参考訳（メタデータ） (2020-05-07T15:59:29Z)

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。