論文の概要: Secure Distributed Storage: Optimal Trade-Off Between Storage Rate and Privacy Leakage
- arxiv url: http://arxiv.org/abs/2403.10676v1
- Date: Fri, 15 Mar 2024 20:50:46 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-19 22:24:30.286036
- Title: Secure Distributed Storage: Optimal Trade-Off Between Storage Rate and Privacy Leakage
- Title(参考訳): セキュアな分散ストレージ: ストレージレートとプライバシリークの間の最適なトレードオフ
- Authors: Remi A. Chou, Joerg Kliewer,
- Abstract要約: 我々は、T$サーバ上でデータを分散的に保存する問題について考察する。
具体的には、(i)データは任意の$tau$サーバからリカバリ可能であり、(ii)任意の$z$サーバからプライベートのままである必要がある。
このモデルでは、(i)ストレージサイズと所望のプライバシのレベルとの基本的なトレードオフと、(ii)エンコーダに必要な局所ランダム性の最適な量とのトレードオフが主な結果である。
- 参考スコア(独自算出の注目度): 1.6881346757176976
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Consider the problem of storing data in a distributed manner over $T$ servers. Specifically, the data needs to (i) be recoverable from any $\tau$ servers, and (ii) remain private from any $z$ colluding servers, where privacy is quantified in terms of mutual information between the data and all the information available at any $z$ colluding servers. For this model, our main results are (i) the fundamental trade-off between storage size and the level of desired privacy, and (ii) the optimal amount of local randomness necessary at the encoder. As a byproduct, our results provide an optimal lower bound on the individual share size of ramp secret sharing schemes under a more general leakage symmetry condition than the ones previously considered in the literature.
- Abstract(参考訳): データをT$サーバ上で分散的に保存する問題を考えてみましょう。
具体的には データは
(i)$\tau$サーバからリカバリ可能で、
プライバシは、データとあらゆる$z$で利用可能なすべての情報の間の相互情報の観点から定量化されます。
このモデルでは、我々の主な成果は、
(i)ストレージサイズと所望のプライバシーレベルとの根本的なトレードオフ
(ii)エンコーダに必要な局所ランダム性の最適量。
副産物として,本研究の結果は,従来文献で検討されていたものよりも,より一般的なリーク対称性条件下でのランプ秘密共有スキームの個々のシェアサイズに最適な下限を与える。
関連論文リスト
- Federated Transfer Learning with Differential Privacy [21.50525027559563]
我々は、信頼された中央サーバを仮定することなく、各データセットに対するプライバシー保証を提供する、テキストフェデレーションによる差分プライバシーの概念を定式化する。
フェデレートされた差分プライバシは、確立されたローカルと中央の差分プライバシモデルの間の中間プライバシモデルであることを示す。
論文 参考訳(メタデータ) (2024-03-17T21:04:48Z) - Weakly-Private Information Retrieval From MDS-Coded Distributed Storage [11.955988388140725]
WPIRでは、ユーザは、関心のあるデータに関する情報をあまり漏らさずに、サーバの集合からデータを取り出したいと思っている。
本稿では,このシナリオに対する最初のWPIRプロトコルについて検討し,最大漏洩プライバシー指標を用いて,ダウンロード率と情報漏洩の最適なトレードオフについて述べる。
論文 参考訳(メタデータ) (2024-01-17T18:51:04Z) - Private Fine-tuning of Large Language Models with Zeroth-order
Optimization [54.24600476755372]
DP-ZO(DP-ZO)は、ゼロオーダー最適化を民営化し、トレーニングデータのプライバシを保存する、大規模言語モデルを微調整する新しい手法である。
DP-ZOは、SQuADから1000のトレーニングサンプルにOPT-66Bを微調整すると、プライバシが1,10-5)$-DPになるため、わずか1.86%のパフォーマンス低下を示す。
論文 参考訳(メタデータ) (2024-01-09T03:53:59Z) - 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) - Analyzing Privacy Leakage in Machine Learning via Multiple Hypothesis
Testing: A Lesson From Fano [83.5933307263932]
本研究では,離散データに対するデータ再構成攻撃について検討し,仮説テストの枠組みの下で解析する。
基礎となるプライベートデータが$M$のセットから値を取ると、ターゲットのプライバシパラメータ$epsilon$が$O(log M)$になる。
論文 参考訳(メタデータ) (2022-10-24T23:50:12Z) - Smooth Anonymity for Sparse Binary Matrices [84.60886611165573]
この作業では、スパースデータセット全体を第三者とプライベートに操作し、共有することを目的としています。
実際、差分プライバシーは、プライバシの金の標準として現れていますが、スパースデータセットの共有に関しては、主要な結果の1つとして、偏微分プライベートメカニズムが極めて弱いプライバシ保証を持つ運命にあることを証明しています。
我々は、スムーズな$k$匿名性を示し、スムーズな$k$匿名性を提供する単純なアルゴリズムを設計する。
論文 参考訳(メタデータ) (2022-07-13T17:09:25Z) - Individual Privacy Accounting for Differentially Private Stochastic
Gradient Descent [73.2635854205537]
DP-SGDで訓練されたモデルをリリースする際の個々の事例に対するプライバシー保証を特徴付ける。
ほとんどの例では、最悪のケースよりも強力なプライバシー保証を享受しています。
これは、モデルユーティリティの観点からは守られないグループが同時に、より弱いプライバシー保証を経験することを意味する。
論文 参考訳(メタデータ) (2022-06-06T13:49:37Z) - Mixed Differential Privacy in Computer Vision [133.68363478737058]
AdaMixは、プライベートとパブリックの両方の画像データを使用して、ディープニューラルネットワーク分類器をトレーニングするための適応型微分プライベートアルゴリズムである。
プライベートデータを無視する数ショットあるいはゼロショットの学習ベースラインは、大規模なプライベートデータセットの微調整よりも優れています。
論文 参考訳(メタデータ) (2022-03-22T06:15:43Z) - 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) - Single-Server Private Linear Transformation: The Individual Privacy Case [10.072633952908456]
本稿では、個々のプライバシ保証を伴うシングルサーバのプライベートリニアトランスフォーメーション(PLT)問題について考察する。
目標は、計算に必要な各メッセージのアイデンティティを個別にプライベートに保ちながら、ダウンロードコストを最小限にすることである。
論文 参考訳(メタデータ) (2021-06-09T17:12:04Z)
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。