論文の概要: Balancing Privacy and Utility in Correlated Data: A Study of Bayesian Differential Privacy

• arxiv url: http://arxiv.org/abs/2506.21308v1
• Date: Thu, 26 Jun 2025 14:25:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-27 19:53:10.127862
• Title: Balancing Privacy and Utility in Correlated Data: A Study of Bayesian Differential Privacy
• Title（参考訳）: 相関データにおけるプライバシとユーティリティのバランス:ベイジアン差分プライバシーの研究
• Authors: Martin Lange, Patricia Guerra-Balboa, Javier Parra-Arnau, Thorsten Strufe,
• Abstract要約: 差分プライベート(DP)システムにおけるプライバシリスクは,データの相関によって著しく増加する。 現実世界のデータベースにおける依存関係の多様さを考えると、この監視はプライバシー保護にとって重要な課題となる。 BDPはこれらの相関を考慮するためにDPを拡張しているが、現在のBDPメカニズムは、その採用を制限する顕著なユーティリティ損失を示している。
• 参考スコア（独自算出の注目度）: 4.5885800765465135
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Privacy risks in differentially private (DP) systems increase significantly when data is correlated, as standard DP metrics often underestimate the resulting privacy leakage, leaving sensitive information vulnerable. Given the ubiquity of dependencies in real-world databases, this oversight poses a critical challenge for privacy protections. Bayesian differential privacy (BDP) extends DP to account for these correlations, yet current BDP mechanisms indicate notable utility loss, limiting its adoption. In this work, we address whether BDP can be realistically implemented in common data structures without sacrificing utility -- a key factor for its applicability. By analyzing arbitrary and structured correlation models, including Gaussian multivariate distributions and Markov chains, we derive practical utility guarantees for BDP. Our contributions include theoretical links between DP and BDP and a novel methodology for adapting DP mechanisms to meet the BDP requirements. Through evaluations on real-world databases, we demonstrate that our novel theorems enable the design of BDP mechanisms that maintain competitive utility, paving the way for practical privacy-preserving data practices in correlated settings.
• Abstract（参考訳）: 差分プライベート(DP)システムのプライバシーリスクは、データが相関しているときに著しく増加する。 現実世界のデータベースにおける依存関係の多様さを考えると、この監視はプライバシー保護にとって重要な課題となる。 ベイズ微分プライバシー(BDP)はこれらの相関を考慮するためにDPを拡張しているが、現在のBDPメカニズムは顕著なユーティリティ損失を示し、採用を制限している。 本研究では、BDPが実用性を犠牲にすることなく、共通データ構造で現実的に実装できるかどうかを論じる。 ガウス多変量分布やマルコフ連鎖を含む任意の相関モデルを解析することにより、BDPの実用性を保証する。 我々の貢献には、DPとBDPの理論的関連や、BDP要件を満たすためにDPメカニズムを適用するための新しい方法論が含まれる。 実世界のデータベース上での評価を通じて、我々の新しい定理は競争力を維持するためのBDPメカニズムの設計を可能にし、関連する設定における実用的なプライバシー保護データプラクティスの道を開くことを実証する。

関連論文リスト

• Bipartite Randomized Response Mechanism for Local Differential Privacy [12.356030528988002]
  BRR(Bipartite Randomized Response)と呼ばれる適応型ローカルプライバシ(LDP)機構を導入する。 あらゆるユーティリティ機能やプライバシレベルにおいて、この問題を解決することは、リリース確率の真のデータとして扱われる高ユーティリティデータの数を確認することと等価であることを示す。 我々のBRRは、連続型と分散型の両方の最先端のLPPメカニズムを著しく上回っている。
  論文  参考訳（メタデータ） (2025-04-29T16:39:50Z)
• Evaluating Differential Privacy on Correlated Datasets Using Pointwise Maximal Leakage [38.4830633082184]
  データ駆動の進歩はプライバシーに重大なリスクをもたらす。 差分プライバシーは プライバシー保護の 基盤になっている 私たちの研究は、微妙なプライバシーリスクの理解を深め、より効果的なプライバシー保護メカニズムの開発の必要性を強調することを目的としています。
  論文  参考訳（メタデータ） (2025-02-08T10:30:45Z)
• Meeting Utility Constraints in Differential Privacy: A Privacy-Boosting Approach [7.970280110429423]
  本稿では,ほとんどのノイズ付加型DP機構と互換性のあるプライバシブースティングフレームワークを提案する。 私たちのフレームワークは、ユーティリティ要件を満たすために、サポートの望ましいサブセットに出力が落ちる可能性を高める。 提案手法は,実用性制約下での標準DP機構よりも低いプライバシー損失を実現する。
  論文  参考訳（メタデータ） (2024-12-13T23:34:30Z)
• Enhancing Feature-Specific Data Protection via Bayesian Coordinate Differential Privacy [55.357715095623554]
  ローカル微分プライバシー(LDP)は、ユーザーが外部の関係者を信頼することなく、強力なプライバシー保証を提供する。 本稿では,ベイジアン・フレームワークであるベイジアン・コーディネート・ディファレンシャル・プライバシ(BCDP)を提案する。
  論文  参考訳（メタデータ） (2024-10-24T03:39:55Z)
• Provable Privacy with Non-Private Pre-Processing [56.770023668379615]
  非プライベートなデータ依存前処理アルゴリズムによって生じる追加のプライバシーコストを評価するための一般的なフレームワークを提案する。 当社のフレームワークは,2つの新しい技術的概念を活用することにより,全体的なプライバシー保証の上限を確立する。
  論文  参考訳（メタデータ） (2024-03-19T17:54:49Z)
• Budget Recycling Differential Privacy [5.603278701712346]
  幅広いDPメカニズムに対してソフトバウンドノイズ出力を提供するために設計された予算リサイクル微分プライバシー(BR-DP)フレームワーク。 BR-DPは2つのコンポーネントから構成される: 繰り返しごとにノイズの答えを生成するDPカーネルと、ノイズの答えを確率論的にリサイクルまたは再生するリサイクル器である。
  論文  参考訳（メタデータ） (2024-03-18T03:43:45Z)
• Privacy Amplification for the Gaussian Mechanism via Bounded Support [64.86780616066575]
  インスタンスごとの差分プライバシー(pDP)やフィッシャー情報損失(FIL)といったデータ依存のプライバシ会計フレームワークは、固定されたトレーニングデータセット内の個人に対してきめ細かいプライバシー保証を提供する。 本稿では,データ依存会計下でのプライバシ保証を向上することを示すとともに,バウンドサポートによるガウス機構の簡単な修正を提案する。
  論文  参考訳（メタデータ） (2024-03-07T21:22:07Z)
• 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)

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。