論文の概要: On the Price of Differential Privacy for Spectral Clustering over Stochastic Block Models
- arxiv url: http://arxiv.org/abs/2505.05816v1
- Date: Fri, 09 May 2025 06:34:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-12 20:40:10.17486
- Title: On the Price of Differential Privacy for Spectral Clustering over Stochastic Block Models
- Title（参考訳）: 確率ブロックモデルを用いたスペクトルクラスタリングにおける微分プライバシーの価格について
- Authors: Antti Koskela, Mohamed Seif, Andrea J. Goldsmith,
- Abstract要約: ブロックモデル(SBM)におけるコミュニティ検出のためのプライバシー保護スペクトルクラスタリングについて検討する。
具体的には、エッジディファレンシャルプライバシ(DP)に着目し、コミュニティリカバリのためのプライベートアルゴリズムを提案する。
- 参考スコア（独自算出の注目度）: 15.713997170792846
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We investigate privacy-preserving spectral clustering for community detection within stochastic block models (SBMs). Specifically, we focus on edge differential privacy (DP) and propose private algorithms for community recovery. Our work explores the fundamental trade-offs between the privacy budget and the accurate recovery of community labels. Furthermore, we establish information-theoretic conditions that guarantee the accuracy of our methods, providing theoretical assurances for successful community recovery under edge DP.
- Abstract（参考訳）: 確率ブロックモデル(SBM)におけるコミュニティ検出のためのプライバシー保護スペクトルクラスタリングについて検討する。
具体的には、エッジディファレンシャルプライバシ(DP)に着目し、コミュニティリカバリのためのプライベートアルゴリズムを提案する。
本研究は,プライバシ予算とコミュニティラベルの正確なリカバリの基本的なトレードオフについて検討する。
さらに,提案手法の精度を保証する情報理論条件を確立し,エッジDP下でのコミュニティ回復を成功させるための理論的保証を提供する。
関連論文リスト
- Locally Differentially Private Thresholding Bandits [3.8916312075738273]
本研究は,閾値帯域問題における局所的差分プライバシーの確保が与える影響について検討する。
本研究では,ベルヌーイをベースとした微分プライベート機構を用いて,予め定義された閾値を超える報酬を期待する武器を識別する手法を提案する。
論文 参考訳（メタデータ） (2025-07-30T20:08:30Z) - ImprovDML: Improved Trade-off in Private Byzantine-Resilient Distributed Machine Learning [22.85986751447643]
一般的な戦略は、Byzantine-Resilientアグリゲーションルールと差分プライバシーメカニズムの統合である。
そこで我々は,プライバシ保護を同時に確保しつつ,モデルの精度を向上する ImprovDML を提案する。
モデル精度と差分プライバシーの間のトレードオフを改善することを実証する。
論文 参考訳（メタデータ） (2025-06-18T06:53:52Z) - Urania: Differentially Private Insights into AI Use [104.7449031243196]
$Urania$は、クラスタリング、パーティション選択、ヒストグラムベースの要約といったDPツールを活用することによって、エンドツーエンドのプライバシ保護を提供する。
結果は、厳密なユーザのプライバシを維持しながら、意味のある会話の洞察を抽出するフレームワークの能力を示している。
論文 参考訳（メタデータ） (2025-06-05T07:00:31Z) - Differentially Private Random Feature Model [52.468511541184895]
プライバシを保存するカーネルマシンに対して,差分的にプライベートな特徴モデルを作成する。
本手法は,プライバシを保護し,一般化誤差を導出する。
論文 参考訳（メタデータ） (2024-12-06T05:31:08Z) - Convergent Differential Privacy Analysis for General Federated Learning: the $f$-DP Perspective [57.35402286842029]
フェデレートラーニング(Federated Learning, FL)は、ローカルプライバシを重視した効率的な協調トレーニングパラダイムである。
ディファレンシャルプライバシ(DP)は、私的保護の信頼性を捕捉し、保証するための古典的なアプローチである。
論文 参考訳（メタデータ） (2024-08-28T08:22:21Z) - Private Online Community Detection for Censored Block Models [60.039026645807326]
検閲ブロックモデル(CBM)を用いた動的コミュニティにおけるプライベートオンライン変更検出問題について検討する。
ユーザのプライバシーを維持しつつ,コミュニティ構造の変化を識別するアルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-05-09T12:35:57Z) - Privacy-Preserving Community Detection for Locally Distributed Multiple Networks [11.693304974549893]
多層ブロックモデルにおけるコンセンサスコミュニティの検出と推定のための新しい手法を提案する。
分散スペクトルクラスタリング(ppDSC)と呼ばれる新しいアルゴリズムを開発した。
論文 参考訳（メタデータ） (2023-06-27T08:36:13Z) - 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) - Decentralized Stochastic Optimization with Inherent Privacy Protection [103.62463469366557]
分散最適化は、現代の協調機械学習、分散推定と制御、大規模センシングの基本的な構成要素である。
データが関与して以降、分散最適化アルゴリズムの実装において、プライバシ保護がますます重要になっている。
論文 参考訳（メタデータ） (2022-05-08T14:38:23Z)
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。