論文の概要: "We Need a Standard": Toward an Expert-Informed Privacy Label for Differential Privacy

• arxiv url: http://arxiv.org/abs/2507.15997v1
• Date: Mon, 21 Jul 2025 18:32:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-23 21:34:13.847472
• Title: "We Need a Standard": Toward an Expert-Informed Privacy Label for Differential Privacy
• Title（参考訳）: 標準が必要」: 差別化のためのエキスパートインフォームドプライバシラベルを目指して
• Authors: Onyinye Dibia, Mengyi Lu, Prianka Bhattacharjee, Joseph P. Near, Yuanyuan Feng,
• Abstract要約: 特定のDPパラメータの開示に失敗すると、プライバシー保証の強さに対する誤解が生じ、DPに対する信頼が損なわれる。 12名のDP専門家との半構造化インタビューに基づいて,DP保証を包括的に伝達するために必要な重要なDPパラメータを同定した。 専門家の推薦に基づき、我々はDPのための初期プライバシーラベルを設計し、標準化されたフォーマットでプライバシー保証を包括的に伝達する。
• 参考スコア（独自算出の注目度）: 3.795778021727431
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The increasing adoption of differential privacy (DP) leads to public-facing DP deployments by both government agencies and companies. However, real-world DP deployments often do not fully disclose their privacy guarantees, which vary greatly between deployments. Failure to disclose certain DP parameters can lead to misunderstandings about the strength of the privacy guarantee, undermining the trust in DP. In this work, we seek to inform future standards for communicating the privacy guarantees of DP deployments. Based on semi-structured interviews with 12 DP experts, we identify important DP parameters necessary to comprehensively communicate DP guarantees, and describe why and how they should be disclosed. Based on expert recommendations, we design an initial privacy label for DP to comprehensively communicate privacy guarantees in a standardized format.
• Abstract（参考訳）: 差分プライバシー(DP)の採用が増加し、政府機関や企業によるパブリックなDP展開がもたらされる。 しかし、現実のDPデプロイメントは、そのプライバシ保証を完全に開示しないことが多い。 特定のDPパラメータの開示に失敗すると、プライバシー保証の強さに対する誤解が生じ、DPに対する信頼が損なわれる。 本研究では,DPデプロイメントのプライバシ保証を伝えるための今後の標準について報告する。 12名のDP専門家との半構造化インタビューに基づいて,DP保証を包括的に伝達するために必要な重要なDPパラメータを特定し,なぜ,どのように公開すべきかを説明する。 専門家の推薦に基づき、我々はDPのための初期プライバシーラベルを設計し、標準化されたフォーマットでプライバシー保証を包括的に伝達する。

関連論文リスト

• Interpreting Differential Privacy in Terms of Disclosure Risk [8.236691013291452]
  差分プライバシーと統計的開示リスクの尺度の新たな関係を示す。 我々は、専門家や非専門家がこれらの結果を使ってDP保証を説明する方法について提案する。
  論文  参考訳（メタデータ） (2025-07-13T16:20:13Z)
• DPolicy: Managing Privacy Risks Across Multiple Releases with Differential Privacy [44.27723721899118]
  差分プライバシー(DP)を用いた複数データリリースにおける累積プライバシーリスク管理システムDPolicyを提案する。 各リリースを個別に処理したり、単一の(グローバルな)DP保証を頼りにするような従来のアプローチとは異なり、当社のシステムは複数のDP保証を同時に検討する柔軟なフレームワークを採用している。 DPolicyは、プライバシー保証を形式化する高レベルのポリシー言語を導入し、伝統的にスコープとコンテキストに関する暗黙の仮定を明示している。
  論文  参考訳（メタデータ） (2025-05-10T19:49:51Z)
• 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)
• Mind the Privacy Unit! User-Level Differential Privacy for Language Model Fine-Tuning [62.224804688233]
  差分プライバシ(DP)は、モデルが特定のプライバシユニットで「ほとんど区別できない」ことを保証することで、有望なソリューションを提供する。 ユーザ間でのプライバシー保護の確保に必要なアプリケーションによって動機づけられたユーザレベルのDPについて検討する。
  論文  参考訳（メタデータ） (2024-06-20T13:54:32Z)
• DPMAC: Differentially Private Communication for Cooperative Multi-Agent Reinforcement Learning [21.961558461211165]
  コミュニケーションは、人間社会とマルチエージェント強化学習(MARL)における協力の基礎となる。 本稿では,各エージェントに厳密な$(epsilon, delta)$-differential privacy guaranteeを付与したローカルメッセージ送信装置を装備することにより,個々のエージェントのセンシティブな情報を保護できる,テキスト・ディペンデンシャル・プライベート・マルチエージェント・コミュニケーション(DPMAC)アルゴリズムを提案する。 我々は、プライバシ保護通信と協調的なMARLにおけるナッシュ均衡の存在を証明し、この問題がゲーム理論的に学習可能であることを示唆する。
  論文  参考訳（メタデータ） (2023-08-19T04:26:23Z)
• A Randomized Approach for Tight Privacy Accounting [63.67296945525791]
  推定検証リリース(EVR)と呼ばれる新しい差分プライバシーパラダイムを提案する。 EVRパラダイムは、まずメカニズムのプライバシパラメータを推定し、その保証を満たすかどうかを確認し、最後にクエリ出力を解放する。 我々の実証的な評価は、新たに提案されたEVRパラダイムが、プライバシ保護機械学習のユーティリティプライバシトレードオフを改善することを示している。
  論文  参考訳（メタデータ） (2023-04-17T00:38:01Z)
• How Do Input Attributes Impact the Privacy Loss in Differential Privacy? [55.492422758737575]
  DPニューラルネットワークにおけるオブジェクトごとの規範と個人のプライバシ損失との関係について検討する。 プライバシ・ロス・インプット・サセプティビリティ(PLIS)と呼ばれる新しい指標を導入し、被験者のプライバシ・ロスを入力属性に適応させることを可能にした。
  論文  参考訳（メタデータ） (2022-11-18T11:39:03Z)
• "Am I Private and If So, how Many?" -- Using Risk Communication Formats for Making Differential Privacy Understandable [0.0]
  我々は、差別化プライバシのプライバシリスクモデルと合わせて、リスクコミュニケーションフォーマットを適応する。 我々はこれらの新しいプライバシーコミュニケーションフォーマットをクラウドソーシング研究で評価する。
  論文  参考訳（メタデータ） (2022-04-08T13:30:07Z)
• Private Reinforcement Learning with PAC and Regret Guarantees [69.4202374491817]
  エピソード強化学習(RL)のためのプライバシー保護探索ポリシーを設計する。 まず、共同微分プライバシー(JDP)の概念を用いた有意義なプライバシー定式化を提供する。 そこで我々は,強いPACと後悔境界を同時に達成し,JDP保証を享受する,プライベートな楽観主義に基づく学習アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2020-09-18T20:18:35Z)

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。