論文の概要: Pure Differential Privacy for Functional Summaries via a Laplace-like
Process
- arxiv url: http://arxiv.org/abs/2309.00125v2
- Date: Sun, 3 Mar 2024 23:49:48 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-07 02:49:56.025467
- Title: Pure Differential Privacy for Functional Summaries via a Laplace-like
Process
- Title(参考訳): laplace-likeプロセスによる機能要約の純粋微分プライバシー
- Authors: Haotian Lin, Matthew Reimherr
- Abstract要約: この研究は、機能的な要約に差分プライバシーの新たなメカニズムを導入する。
独立成分置換プロセス(ICLP)機構は、関心の要約を真に無限次元のオブジェクトとして扱う。
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。
- 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: Many existing mechanisms to achieve differential privacy (DP) on
infinite-dimensional functional summaries often involve embedding these
summaries into finite-dimensional subspaces and applying traditional DP
techniques. Such mechanisms generally treat each dimension uniformly and
struggle with complex, structured summaries. This work introduces a novel
mechanism for DP functional summary release: the Independent Component Laplace
Process (ICLP) mechanism. This mechanism treats the summaries of interest as
truly infinite-dimensional objects, thereby addressing several limitations of
existing mechanisms. We establish the feasibility of the proposed mechanism in
multiple function spaces. Several statistical estimation problems are
considered, and we demonstrate one can enhance the utility of sanitized
summaries by oversmoothing their non-private counterpart. Numerical experiments
on synthetic and real datasets demonstrate the efficacy of the proposed
mechanism.
- Abstract(参考訳): 無限次元機能的サマリー上の微分プライバシー(DP)を達成するための多くの既存のメカニズムは、これらのサマリーを有限次元部分空間に埋め込み、従来のDP技術を適用することを含む。
このようなメカニズムは一般に各次元を均一に扱い、複雑で構造化された要約と格闘する。
本研究は,DP機能概要リリースの新たなメカニズムとして,独立コンポーネントラプラスプロセス(ICLP)機構を紹介する。
このメカニズムは興味の要約を真に無限次元のオブジェクトとして扱い、既存のメカニズムのいくつかの制限に対処する。
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,非プライベートなサマリーを過小評価することで,サニタイズされたサマリーの有用性を高めることを実証する。
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。