論文の概要: Optimal Private Discrete Distribution Estimation with One-bit Communication
- arxiv url: http://arxiv.org/abs/2310.11005v1
- Date: Tue, 17 Oct 2023 05:21:19 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-19 02:13:39.571588
- Title: Optimal Private Discrete Distribution Estimation with One-bit Communication
- Title（参考訳）: 1ビット通信による離散分布の最適推定
- Authors: Seung-Hyun Nam, Vincent Y. F. Tan, Si-Hyeon Lee,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 63.413106413939836
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We consider a private discrete distribution estimation problem with one-bit communication constraint. The privacy constraints are imposed with respect to the local differential privacy and the maximal leakage. The estimation error is quantified by the worst-case mean squared error. We completely characterize the first-order asymptotics of this privacy-utility trade-off under the one-bit communication constraint for both types of privacy constraints by using ideas from local asymptotic normality and the resolution of a block design mechanism. These results demonstrate the optimal dependence of the privacy-utility trade-off under the one-bit communication constraint in terms of the parameters of the privacy constraint and the size of the alphabet of the discrete distribution.
- Abstract（参考訳）: 1ビット通信制約を伴う個別分布推定問題を考える。
プライバシーの制約は、局所的な差分プライバシーと最大リークに関して課される。
推定誤差は、最悪のケースの平均2乗誤差によって定量化される。
我々は、局所的な漸近的正規性とブロック設計機構の解決によるアイデアを使用することにより、両方のプライバシー制約の1ビット通信制約の下で、このプライバシ・ユーティリティ・トレードオフの1次漸近性を特徴付ける。
これらの結果は、プライバシ制約のパラメータと離散分布のアルファベットサイズの観点から、1ビット通信制約の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。
関連論文リスト
- Optimal Federated Learning for Nonparametric Regression with Heterogeneous Distributed Differential Privacy Constraints [5.3595271893779906]
本研究では,異なるサーバにまたがる分散サンプルのコンテキストにおける非パラメトリック回帰のためのフェデレーション学習について検討した。
統計の正確さとプライバシーの保護のトレードオフに光を当てている。
論文 参考訳（メタデータ） (2024-06-10T19:34:07Z) - Differential Privacy via Distributionally Robust Optimization [8.409434654561789]
非漸近的かつ無条件の最適性を保証するメカニズムのクラスを開発する。
上界 (primal) は実装可能な摂動に対応しており、その準最適性は下界 (dual) で有界である。
数値実験により、我々の摂動は、人工的および標準ベンチマーク問題に関する文献から得られた最も優れた結果よりも優れていることが示された。
論文 参考訳（メタデータ） (2023-04-25T09:31:47Z) - 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) - Breaking the Communication-Privacy-Accuracy Tradeoff with
$f$-Differential Privacy [51.11280118806893]
サーバが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,フェデレートされたデータ分析問題を考える。
有限出力空間を有する離散値機構の局所的差分プライバシー保証を$f$-differential privacy (DP) レンズを用いて検討する。
より具体的には、様々な離散的評価機構の厳密な$f$-DP保証を導出することにより、既存の文献を前進させる。
論文 参考訳（メタデータ） (2023-02-19T16:58:53Z) - Private Domain Adaptation from a Public Source [48.83724068578305]
我々は、公開ラベル付きデータを持つソースドメインから、未ラベル付きプライベートデータを持つターゲットドメインへの適応のための差分プライベート離散性に基づくアルゴリズムを設計する。
我々の解は、Frank-WolfeとMirror-Descentアルゴリズムのプライベートな変種に基づいている。
論文 参考訳（メタデータ） (2022-08-12T06:52:55Z) - Estimating Sparse Discrete Distributions Under Local Privacy and
Communication Constraints [46.944178305032146]
局所差分プライバシー(LDP)と通信制約下での分散分布を推定する問題を考察する。
我々は, LDP制約下でのスパース推定におけるサンプル複雑性と, 対数係数までの通信制約下でのサンプル複雑性を特徴付ける。
論文 参考訳（メタデータ） (2020-10-30T20:06:35Z) - 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) - Breaking the Communication-Privacy-Accuracy Trilemma [19.399122892615573]
分散学習における2つの大きな課題は、ローカルサンプルのプライバシを保持し、それらを中央サーバに効率的に伝達することである。
我々は、最適なプライバシーと通信効率を同時に達成する新しい符号化・復号機構を開発する。
論文 参考訳（メタデータ） (2020-07-22T22:43:01Z)
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。