論文の概要: Necessity of Block Designs for Optimal Locally Private Distribution Estimation
- arxiv url: http://arxiv.org/abs/2508.05110v1
- Date: Thu, 07 Aug 2025 07:44:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-08 18:59:39.748671
- Title: Necessity of Block Designs for Optimal Locally Private Distribution Estimation
- Title（参考訳）: 最適局所分布推定のためのブロック設計の必要性
- Authors: Abigail Gentle,
- Abstract要約: 最適なエラーを達成するプロトコルは、バランスのとれた不完全なブロック設計に対応しなければならないことを証明します。
結果として、最適なエラーと最適な通信を実現するプロトコルは、対称バランスの不完全なブロック設計に基づくものである。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Local differential privacy represents the gold standard for preserving the privacy of data before it leaves the device, and distribution estimation under this model has been well studied. Recently, protocols built upon balanced incomplete block designs were shown to achieve optimal error for this problem. However, it remained unknown whether other constructions could also be optimal. We resolve this question by proving that any protocol achieving optimal error must correspond to some balanced incomplete block design. This result, combined with prior work, completely characterises the set of optimal protocols for this problem. As a consequence, the protocols that achieve optimal error and optimal communication are only those based on symmetrical balanced incomplete block designs.
- Abstract（参考訳）: ローカルディファレンシャルプライバシは、デバイスを離れる前にデータのプライバシを保存するための金の標準であり、このモデルによる分布推定はよく研究されている。
近年,バランスの取れた不完全なブロック設計に基づいて構築されたプロトコルは,この問題に対して最適誤差を実現することが示されている。
しかし、他の工事が最適かどうかは不明のままであった。
最適なエラーを達成するプロトコルは、バランスのとれた不完全なブロック設計に対応しなければならないことを証明して、この問題を解決する。
この結果と先行研究が組み合わさって、この問題に対する最適なプロトコルの集合を完全に特徴づける。
結果として、最適なエラーと最適な通信を実現するプロトコルは、対称バランスの不完全なブロック設計に基づくものである。
関連論文リスト
- Computationally Differentially Private Inner Product Protocols Imply Oblivious Transfer [8.230958909797856]
分散差分プライバシーでは、複数のパーティが協力して組み合わせたデータを分析し、各パーティはデータの機密性を他のパーティから保護する。
特に, 内部積関数については, 最良な定数加算誤差であっても, 難読化が必要とされるかどうかが従来は分かっていなかった。
我々は、内部積が$-1,1n 倍 -1,1n$ の加算誤差が $O(n1/6)$ になるまで見積もる計算的に微分プライベートなプロトコルが、曖昧な転送を構築するのに利用できることを証明した。
論文 参考訳（メタデータ） (2025-02-21T17:57:04Z) - Distributed Nonparametric Estimation: from Sparse to Dense Samples per Terminal [9.766173684831324]
我々は,すべてのレシエーションに対して最小値の最適レートを特徴付けるとともに,各端末毎のサンプルがスパースから密度に変化するため,最適レートの位相遷移を同定する。
これにより、以前の研究で残された問題が完全に解決され、その範囲は密度の高いサンプルを持つレギュレーションまたは終端あたりの1つのサンプルに限られる。
最適率は、密度推定、ガウス、二分法、ポアソン、ヘテロスケダスティック回帰モデルなど、様々な特殊ケースに即時に適用される。
論文 参考訳（メタデータ） (2025-01-14T06:41:55Z) - Provable Mutual Benefits from Federated Learning in Privacy-Sensitive Domains [3.3748750222488657]
クロスサイロフェデレーション学習により、データ所有者は、互いにプライベートデータセットから利益を得て、正確な機械学習モデルをトレーニングできる。
プライバシーに敏感なドメインへのクライアントの参加を促進するために、FLプロトコルはプライバシー保証とエンドモデル精度の微妙なバランスをとる必要がある。
我々は、サーバがFLプロトコルを設計できる時期と方法について、すべての参加者にとって有益であるかどうかを調査する。
論文 参考訳（メタデータ） (2024-03-11T12:43:44Z) - Optimal Private Discrete Distribution Estimation with One-bit Communication [63.413106413939836]
1ビット通信制約を伴う個別分布推定問題を考える。
1ビット通信制約下での最悪のトレードオフの1次を特徴付ける。
これらの結果は,1ビット通信制約下でのプライバシユーティリティトレードオフの最適依存性を示す。
論文 参考訳（メタデータ） (2023-10-17T05:21:19Z) - Optimal Algorithms for Mean Estimation under Local Differential Privacy [55.32262879188817]
そこで本研究では,PrivUnitが局所的プライベートな乱数化器群間の最適分散を実現することを示す。
また,ガウス分布に基づくPrivUnitの新たな変種も開発しており,数学的解析に適しており,同じ最適性保証を享受できる。
論文 参考訳（メタデータ） (2022-05-05T06:43:46Z) - Optimal supplier of single-error-type entanglement via coherent-state
transmission [1.2891210250935146]
我々は、損失チャネル上のコヒーレント状態伝送を介して、遠隔キュービットに対する単一エラー型絡み合いを示すプロトコルを検討する。
このプロトコルは、Ebitsやpbitsのような最終的な出力を得るために、より大きなプロトコルの絡み合いを提供するサブルーチンと見なされている。
論文 参考訳（メタデータ） (2022-03-31T15:36:54Z) - Correlated quantization for distributed mean estimation and optimization [21.17434087570296]
本稿では,誤差保証が絶対範囲ではなくデータ点のずれに依存する相関量子化プロトコルを提案する。
分散最適化アルゴリズムにおいて,提案プロトコルをサブルーチンとして適用することにより,コンバージェンス率が向上することを示す。
論文 参考訳（メタデータ） (2022-03-09T18:14:55Z) - Amortized Conditional Normalized Maximum Likelihood: Reliable Out of
Distribution Uncertainty Estimation [99.92568326314667]
本研究では,不確実性推定のための拡張性のある汎用的アプローチとして,償却条件正規化最大値(ACNML)法を提案する。
提案アルゴリズムは条件付き正規化最大度(CNML)符号化方式に基づいており、最小記述長の原理に従って最小値の最適特性を持つ。
我々は、ACNMLが、分布外入力のキャリブレーションの観点から、不確実性推定のための多くの手法と好意的に比較することを示した。
論文 参考訳（メタデータ） (2020-11-05T08:04:34Z) - Optimizing Vessel Trajectory Compression [71.42030830910227]
前回の研究では,AISの位置情報をオンラインで消費することで,血管軌跡の要約表現を提供するトラジェクトリ検出モジュールを導入しました。
この手法は、生データの少なくとも70%を冗長として廃棄することにより、元のコースからほとんど逸脱しない信頼性の高い軌道合成を提供することができる。
しかし、そのような軌道圧縮はパラメトリゼーションに非常に敏感である。
各容器のタイプを考慮し, 軌道のシナプスを改良する適切な構成を提供する。
論文 参考訳（メタデータ） (2020-05-11T20:38:56Z) - On the Optimality of Randomization in Experimental Design: How to
Randomize for Minimax Variance and Design-Based Inference [58.442274475425144]
条件平均値が与えられたセットで異なる場合の2本腕制御実験のミニマックス最適設計について検討する。
最適設計はカラスの混合戦略最適設計(MSOD)であることが示されている。
そこで,このような制約を受けるすべての設計において,最小値が最適である推論制約MSODを提案する。
論文 参考訳（メタデータ） (2020-05-06T21:43:50Z) - Distributionally Robust Bayesian Quadrature Optimization [60.383252534861136]
確率分布が未知な分布の不確実性の下でBQOについて検討する。
標準的なBQOアプローチは、固定されたサンプル集合が与えられたときの真の期待目標のモンテカルロ推定を最大化する。
この目的のために,新しい後方サンプリングに基づくアルゴリズム,すなわち分布的に堅牢なBQO(DRBQO)を提案する。
論文 参考訳（メタデータ） (2020-01-19T12:00:33Z)
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。