論文の概要: The Hitchhiker's Guide to Efficient, End-to-End, and Tight DP Auditing

• arxiv url: http://arxiv.org/abs/2506.16666v1
• Date: Fri, 20 Jun 2025 00:32:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-23 19:00:05.299778
• Title: The Hitchhiker's Guide to Efficient, End-to-End, and Tight DP Auditing
• Title（参考訳）: Hitchhiker's Guide to Efficient, End-to-End, and Tight DPuditing
• Authors: Meenatchi Sundaram Muthu Selva Annamalai, Borja Balle, Jamie Hayes, Georgios Kaissis, Emiliano De Cristofaro,
• Abstract要約: 我々は,現場での作業のレビューを行うための総合的なフレームワークを導入し,DP監査が対象とする3つのコンテキスト横断デシラタを確立する。 我々は、脅威モデル、攻撃、評価機能を含む最先端のDP監査技術の運用モードを体系化する。
• 参考スコア（独自算出の注目度）: 27.567287058254514
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper systematizes research on auditing Differential Privacy (DP) techniques, aiming to identify key insights into the current state of the art and open challenges. First, we introduce a comprehensive framework for reviewing work in the field and establish three cross-contextual desiderata that DP audits should target--namely, efficiency, end-to-end-ness, and tightness. Then, we systematize the modes of operation of state-of-the-art DP auditing techniques, including threat models, attacks, and evaluation functions. This allows us to highlight key details overlooked by prior work, analyze the limiting factors to achieving the three desiderata, and identify open research problems. Overall, our work provides a reusable and systematic methodology geared to assess progress in the field and identify friction points and future directions for our community to focus on.
• Abstract（参考訳）: 本稿では,現在最先端かつオープンな課題に対する重要な洞察を明らかにすることを目的とした,微分プライバシー(DP)技術の監査に関する研究を体系化する。 まず,分野における作業のレビューのための総合的なフレームワークを導入し,DP監査が目標とする3つのコンテキスト横断的なデシラタを確立する。 そこで我々は,脅威モデルや攻撃,評価機能など,最先端のDP監査技術の運用モードを体系化する。 これにより、先行研究で見過ごされた重要な詳細を強調し、3つのデシダータを達成するための制限要因を分析し、オープンな研究課題を特定することができる。 全体として、我々の研究は、フィールドの進捗を評価し、コミュニティが集中すべき摩擦点と今後の方向性を特定するために、再利用可能な、体系的な方法論を提供します。

関連論文リスト

• Towards Reliable Forgetting: A Survey on Machine Unlearning Verification, Challenges, and Future Directions [26.88376128769619]
  本稿では,機械学習の検証手法に関する最初の構造化された調査について述べる。 本稿では,現在の手法を行動検証とパラメトリック検証の2つの主要なカテゴリに分類する分類法を提案する。 基礎となる仮定、強度、限界を調べ、実践的なデプロイメントにおける潜在的な脆弱性を特定します。
  論文  参考訳（メタデータ） (2025-06-18T03:33:59Z)
• 3D Skeleton-Based Action Recognition: A Review [60.0580120274659]
  3Dスケルトンに基づく行動認識は、コンピュータビジョンの分野において顕著な話題となっている。 以前のレビューでは主にモデル指向の視点を採用しており、しばしば骨格に基づく行動認識に関わる基本的なステップを無視している。 本稿では,骨格に基づく行動認識を理解するための包括的,タスク指向のフレームワークを提案することによって,これらの制約に対処することを目的とする。
  論文  参考訳（メタデータ） (2025-06-01T09:04:12Z)
• Deep Learning in Concealed Dense Prediction [83.89736735583935]
  本稿では,農業,産業等において大きな価値を持つ,複雑な課題のファミリーであるCDP(Concealed Dense Prediction)を紹介し,レビューする。 CDPの本質的な特徴は、ターゲットが周囲に隠されているため、それらを完全に知覚するには、きめ細かい表現、事前の知識、補助的推論などが必要であることである。
  論文  参考訳（メタデータ） (2025-04-15T08:44:42Z)
• A Survey of Event Causality Identification: Taxonomy, Challenges, Assessment, and Prospects [6.492836595169771]
  事象因果同定(ECI)は自然言語処理(NLP)における重要な課題である。 本稿では,既存の手法を分類・解明するための新しい分類フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-11-15T17:19:42Z)
• A Systematic Literature Review on Explainability for Machine/Deep Learning-based Software Engineering Research [23.273934717819795]
  本稿では,ソフトウェア工学の文脈におけるAIモデルの説明可能性の向上を目的とした,体系的な文献レビューを行う。 我々は,XAI技術がこれまで成功してきたSEタスク,(2)異なるXAI手法の分類と分析,(3)既存の評価手法を考察することを目的としている。
  論文  参考訳（メタデータ） (2024-01-26T03:20:40Z)
• Exploring Federated Unlearning: Review, Comparison, and Insights [101.64910079905566]
  フェデレーション・アンラーニングは、フェデレーション・システムで訓練されたモデルからデータを選択的に除去することを可能にする。 本稿では,既存のフェデレーション・アンラーニング手法について検討し,アルゴリズムの効率,モデル精度への影響,プライバシ保護の有効性について検討する。 フェデレートされたアンラーニング手法を評価するための統一ベンチマークであるOpenFederatedUnlearningフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-10-30T01:34:33Z)
• A Comprehensive Survey on Source-free Domain Adaptation [69.17622123344327]
  ソースフリードメイン適応(SFDA)の研究は近年注目を集めている。 SFDAの最近の進歩を包括的に調査し、それらを統一的な分類体系に整理する。 一般的な3つの分類基準で30以上のSFDA法を比較検討した。
  論文  参考訳（メタデータ） (2023-02-23T06:32:09Z)
• Outsider Oversight: Designing a Third Party Audit Ecosystem for AI Governance [3.8997087223115634]
  我々は、現在のAIの状況におけるサードパーティの監視の課題について論じる。 このような監査の制度設計はモノリシックとは程遠い。 我々は,監査のみへの転換が,実際のアルゴリズム的説明責任を達成する可能性は低いと結論づける。
  論文  参考訳（メタデータ） (2022-06-09T19:18:47Z)
• Artificial Intelligence for IT Operations (AIOPS) Workshop White Paper [50.25428141435537]
  AIOps(Artificial Intelligence for IT Operations)は、マシンラーニング、ビッグデータ、ストリーミング分析、IT運用管理の交差点で発生する、新たな学際分野である。 AIOPSワークショップの主な目的は、アカデミアと産業界の両方の研究者が集まり、この分野での経験、成果、作業について発表することです。
  論文  参考訳（メタデータ） (2021-01-15T10:43:10Z)

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。