論文の概要: Augmented Shuffle Protocols for Accurate and Robust Frequency Estimation under Differential Privacy

• arxiv url: http://arxiv.org/abs/2504.07362v1
• Date: Thu, 10 Apr 2025 01:06:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-11 12:23:57.849252
• Title: Augmented Shuffle Protocols for Accurate and Robust Frequency Estimation under Differential Privacy
• Title（参考訳）: 差分プライバシー下での高精度かつロバストな周波数推定のための拡張シャッフルプロトコル
• Authors: Takao Murakami, Yuichi Sei, Reo Eriguchi,
• Abstract要約: 本稿では,DPとロバスト性を提供する3つの具体的なプロトコルを提案する。 我々の最初のプロトコルは、二項分布から各項目のダミー値の数を生成する。 第2のプロトコルは,新しいダミー数分布を導入することにより,第1のプロトコルの有用性を大幅に向上させる。
• 参考スコア（独自算出の注目度）: 4.527947047128005
• License:
• Abstract: The shuffle model of DP (Differential Privacy) provides high utility by introducing a shuffler that randomly shuffles noisy data sent from users. However, recent studies show that existing shuffle protocols suffer from the following two major drawbacks. First, they are vulnerable to local data poisoning attacks, which manipulate the statistics about input data by sending crafted data, especially when the privacy budget epsilon is small. Second, the actual value of epsilon is increased by collusion attacks by the data collector and users. In this paper, we address these two issues by thoroughly exploring the potential of the augmented shuffle model, which allows the shuffler to perform additional operations, such as random sampling and dummy data addition. Specifically, we propose a generalized framework for local-noise-free protocols in which users send (encrypted) input data to the shuffler without adding noise. We show that this generalized protocol provides DP and is robust to the above two attacks if a simpler mechanism that performs the same process on binary input data provides DP. Based on this framework, we propose three concrete protocols providing DP and robustness against the two attacks. Our first protocol generates the number of dummy values for each item from a binomial distribution and provides higher utility than several state-of-the-art existing shuffle protocols. Our second protocol significantly improves the utility of our first protocol by introducing a novel dummy-count distribution: asymmetric two-sided geometric distribution. Our third protocol is a special case of our second protocol and provides pure epsilon-DP. We show the effectiveness of our protocols through theoretical analysis and comprehensive experiments.
• Abstract（参考訳）: DPのシャッフルモデル(Differential Privacy)は、ユーザから送られてくるノイズをランダムにシャッフルするシャッフルを導入することによって、高いユーティリティを提供する。 しかし、最近の研究では、既存のシャッフルプロトコルは以下の2つの大きな欠点に悩まされている。 この攻撃は、特にプライバシー予算が小さければ、工芸データを送信することで入力データに関する統計を操作できる。 第2に、データコレクタとユーザによる共謀攻撃によって、エプシロンの実際の価値が増大する。 本稿では,これらの2つの問題に対して,ランダムサンプリングやダミーデータ付加などの付加的な操作を可能にする拡張シャッフルモデルの可能性について,徹底的に検討する。 具体的には、ユーザがシャフラーに(暗号化された)入力データを付加することなく送信する、ローカルノイズのないプロトコルのための一般化されたフレームワークを提案する。 この一般化されたプロトコルがDPを提供し、バイナリ入力データ上で同じ処理を行う単純なメカニズムがDPを提供する場合、上記の2つの攻撃に対して堅牢であることを示す。 この枠組みに基づいて,DPとロバスト性を提供する3つの具体的なプロトコルを提案する。 最初のプロトコルでは,各項目のダミー値の個数を二項分布から生成し,最先端のシャッフルプロトコルよりも高いユーティリティを提供する。 第2のプロトコルは、新しいダミー数分布、非対称な2辺幾何分布を導入することにより、第1のプロトコルの有用性を大幅に改善する。 第3のプロトコルは第2のプロトコルの特別なケースであり、純粋なepsilon-DPを提供します。 理論的解析と包括的実験によるプロトコルの有効性を示す。

関連論文リスト

• Experimental Simulation of Two Pulses and Three Pulses Coherent One Way Quantum Key Distribution Protocol in Noisy/Noiseless and Wired/Wireless Environment [1.8638865257327277]
  Coherent One Way(COW)プロトコルは、ハードウェア展開の容易さから、最も有名なプロトコルの1つである。 我々は、ノイズのないシナリオとノイズのないシナリオの両方で、プロトコルの符号化と復号部分を示す。
  論文  参考訳（メタデータ） (2024-09-23T11:02:52Z)
• Benchmarking Secure Sampling Protocols for Differential Privacy [3.0325535716232404]
  微分プライバシ(DP)の2つのよく知られたモデルは、中心モデルと局所モデルである。 近年,分散環境でのセキュアマルチパーティ計算(MPC)によるDPの実現が提案されている。
  論文  参考訳（メタデータ） (2024-09-16T19:04:47Z)
• PriRoAgg: Achieving Robust Model Aggregation with Minimum Privacy Leakage for Federated Learning [49.916365792036636]
  フェデレートラーニング(FL)は、大規模分散ユーザデータを活用する可能性から、最近大きな勢いを増している。 送信されたモデル更新は、センシティブなユーザ情報をリークする可能性があり、ローカルなトレーニングプロセスの集中的な制御の欠如は、モデル更新に対する悪意のある操作の影響を受けやすいグローバルモデルを残します。 我々は、Lagrange符号化計算と分散ゼロ知識証明を利用した汎用フレームワークPriRoAggを開発し、集約されたプライバシを満たすとともに、幅広いロバストな集約アルゴリズムを実行する。
  論文  参考訳（メタデータ） (2024-07-12T03:18:08Z)
• Beyond Statistical Estimation: Differentially Private Individual Computation via Shuffling [21.031062710893867]
  本稿では,PIC(Private Individual Computation)と呼ばれる新しいパラダイムを紹介する。 PICは、プライバシを保持しながらパーソナライズされたアウトプットを可能にし、シャッフルによってプライバシーを増幅する。 実用性を高めるためにPICモデルのために設計された最適確率化器Minkowski Responseを提案する。
  論文  参考訳（メタデータ） (2024-06-26T07:53:48Z)
• Noise Variance Optimization in Differential Privacy: A Game-Theoretic Approach Through Per-Instance Differential Privacy [7.264378254137811]
  差分プライバシー(DP)は、個人をターゲットデータセットに含めることによる分布の変化を観察することにより、プライバシー損失を測定することができる。 DPは、AppleやGoogleのような業界巨人の機械学習におけるデータセットの保護において際立っている。 本稿では,PDPを制約として提案し,各データインスタンスのプライバシ損失を測定し,個々のインスタンスに適したノイズを最適化する。
  論文  参考訳（メタデータ） (2024-04-24T06:51:16Z)
• Bicoptor 2.0: Addressing Challenges in Probabilistic Truncation for Enhanced Privacy-Preserving Machine Learning [6.733212399517445]
  本稿では,既存のPPML作業における確率的トランケーションプロトコルの問題の解析と解決策の提案に焦点をあてる。 精度の面では、既存の作品のいくつかで推奨される精度の選択が誤りであることを明らかにする。 本稿では,今後の課題に対する解法と精度選択ガイドラインを提案する。
  論文  参考訳（メタデータ） (2023-09-10T01:43:40Z)
• Data post-processing for the one-way heterodyne protocol under composable finite-size security [62.997667081978825]
  本研究では,実用的連続可変(CV)量子鍵分布プロトコルの性能について検討する。 ヘテロダイン検出を用いたガウス変調コヒーレント状態プロトコルを高信号対雑音比で検討する。 これにより、プロトコルの実践的な実装の性能を調べ、上記のステップに関連付けられたパラメータを最適化することができる。
  論文  参考訳（メタデータ） (2022-05-20T12:37:09Z)
• Composably secure data processing for Gaussian-modulated continuous variable quantum key distribution [58.720142291102135]
  連続可変量子鍵分布(QKD)は、ボソニックモードの二次構造を用いて、2つのリモートパーティ間の秘密鍵を確立する。 構成可能な有限サイズセキュリティの一般的な設定におけるホモダイン検出プロトコルについて検討する。 特に、ハイレート(非バイナリ)の低密度パリティチェックコードを使用する必要のあるハイシグネチャ・ツー・ノイズ・システマを解析する。
  論文  参考訳（メタデータ） (2021-03-30T18:02:55Z)
• Round-robin differential phase-time-shifting protocol for quantum key distribution: theory and experiment [58.03659958248968]
  量子鍵分布(QKD)は、遠隔者間で共通の暗号鍵の確立を可能にする。 近年,信号の乱れの監視を回避できるQKDプロトコルが提案され,初期の実験で実証されている。 我々は,ラウンドロビン差動位相シフトプロトコルのセキュリティ証明を,集団攻撃シナリオにおいて導出する。 その結果,RRDPTSプロトコルは高い量子ビット誤り率の条件下で,RDPSと比較して高い秘密鍵レートが得られることがわかった。
  論文  参考訳（メタデータ） (2021-03-15T15:20:09Z)
• On the Practicality of Differential Privacy in Federated Learning by Tuning Iteration Times [51.61278695776151]
  フェデレートラーニング(FL)は、分散クライアント間で機械学習モデルを協調的にトレーニングする際のプライバシ保護でよく知られている。 最近の研究では、naive flは勾配リーク攻撃の影響を受けやすいことが指摘されている。 ディファレンシャルプライバシ(dp)は、勾配漏洩攻撃を防御するための有望な対策として現れる。
  論文  参考訳（メタデータ） (2021-01-11T19:43:12Z)
• Entanglement purification by counting and locating errors with entangling measurements [62.997667081978825]
  量子状態の複数コピーに対するエンタングルメント浄化プロトコルについて検討する。 ノイズアンサンブルにおける誤差の数と位置を高次元補助的絡み合いシステムを用いて学習する。
  論文  参考訳（メタデータ） (2020-11-13T19:02:33Z)

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。