論文の概要: Network-Aware Differential Privacy

• arxiv url: http://arxiv.org/abs/2509.04710v1
• Date: Thu, 04 Sep 2025 23:53:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-08 14:27:25.427572
• Title: Network-Aware Differential Privacy
• Title（参考訳）: ネットワーク対応差分プライバシー
• Authors: Zhou Li, Yu Zheng, Tianhao Wang, Sang-Woo Jun,
• Abstract要約: 差別化プライバシ (DP) は、学界、産業、政府から注目を集めるプライバシー強化技術 (PET) である。 ネットワークとDPの交差する研究機会について、体系的な調査は行われていない。 ネットワーク研究がDPの設計と展開に実質的な貢献をすることができる2つの焦点領域を同定する。
• 参考スコア（独自算出の注目度）: 8.597287580245366
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Differential privacy (DP) is a privacy-enhancement technology (PET) that receives prominent attention from the academia, industry, and government. One main development over the past decade has been the decentralization of DP, including local DP and shuffle DP. Despite that decentralized DP heavily relies on network communications for data collection,we found that: 1) no systematic study has surveyed the research opportunities at the intersection of networking and DP; 2) nor have there been significant efforts to develop DP mechanisms that are explicitly tailored for network environments. In this paper, we seek to address this gap by initiating a new direction of network-aware DP. We identified two focus areas where the network research can offer substantive contributions to the design and deployment of DP, related to network security and topology. Through this work, we hope to encourage more research that adapt/optimize DP's deployment in various network environments.
• Abstract（参考訳）: 差別化プライバシ (DP) は、学界、産業、政府から注目を集めるプライバシー強化技術 (PET) である。 過去10年間の主な進展の1つは、ローカルDPやシャッフルDPを含むDPの分散化である。 分散化されたDPは、データ収集のためのネットワーク通信に大きく依存していますが、私たちはこう発見しました。 1)ネットワークとDPの交点における研究機会に関する体系的研究は行われていない。 2) ネットワーク環境に適したDP機構の開発にも大きな取り組みは行われていない。 本稿では,ネットワーク対応DPの新たな方向性を導入することで,このギャップに対処する。 ネットワークセキュリティとトポロジに関して,ネットワーク研究がDPの設計と展開に実質的な貢献をすることができる2つの分野を特定した。 この作業を通じて、さまざまなネットワーク環境におけるDPの展開を適応・最適化する研究をさらに進めたいと考えています。

関連論文リスト

• Interpreting Network Differential Privacy [44.99833362998488]
  私たちは、一般的なネットワークDP(varepsilon$-edge DP)の形式を深く掘り下げて、その一般的な解釈の多くが欠陥があることを確認します。 我々は、DPの下で実際に保護されている仮説と、共通の主張によって保護されているという仮説とのギャップを実証する。
  論文  参考訳（メタデータ） (2025-04-16T22:45:07Z)
• A Decade of Metric Differential Privacy: Advancements and Applications [8.865292595200964]
  メトリクス微分プライバシー(mDP)は、様々な距離のメトリクスを取り入れることで、差分プライバシー(DP)の中核となる原則に基づいている。 mDPは、位置情報ベースのサービス、テキスト分析、画像処理など、幅広いアプリケーションに対して、プライバシ保証を提供する。 本稿では,2013年から2024年までのmDP研究を包括的に調査し,その発展をDPの基礎から追究する。
  論文  参考訳（メタデータ） (2025-02-13T05:18:24Z)
• DP-DCAN: Differentially Private Deep Contrastive Autoencoder Network for Single-cell Clustering [29.96339380816541]
  ディープラーニングモデルは、ユーザの機密情報を漏洩する可能性がある。 差別化プライバシ(DP)は、プライバシーを保護するためにますます使われています。 本稿では,ネットワークの中央にある次元再現ベクトルのみを出力するオートエンコーダの特異性を利用する。 単一セルクラスタリングのための部分的ネットワーク摂動により、差分的にプライベートなDeep Contrastive Autoencoder Network (DP-DCAN) を設計する。
  論文  参考訳（メタデータ） (2023-11-06T05:13:29Z)
• Selectivity Drives Productivity: Efficient Dataset Pruning for Enhanced Transfer Learning [66.20311762506702]
  データセットプルーニング(DP)は、データ効率を改善する効果的な方法として登場した。 本稿では,ラベルマッピングと特徴マッピングという2つの新しいDP手法を提案する。 ダウンストリーム性能を犠牲にすることなく、ソースデータクラスを最大40%まで刈り取ることができることを示す。
  論文  参考訳（メタデータ） (2023-10-13T00:07:49Z)
• Chordal Sparsity for SDP-based Neural Network Verification [1.9556053645976446]
  ニューラルネットワーク検証のための半定値プログラミング(SDP)に基づく手法の改善に焦点をあてる。 弦の間隔を利用して、DeepSDPの計算ボトルネックを、より小さなLMIの等価なコレクションに分解することができる。 また,Chordal-DeepSDPのさらなる解析により,LMIのコレクションを第2レベルの分解で書き直せることを示す。
  論文  参考訳（メタデータ） (2022-06-07T17:57:53Z)
• Towards Interpretable Deep Networks for Monocular Depth Estimation [78.84690613778739]
  我々は,深部MDEネットワークの解釈可能性について,その隠蔽ユニットの深さ選択性を用いて定量化する。 本稿では,解釈可能なMDE深層ネットワークを,元のアーキテクチャを変更することなく学習する手法を提案する。 実験により,本手法は深部MDEネットワークの解釈可能性を向上させることができることが示された。
  論文  参考訳（メタデータ） (2021-08-11T16:43:45Z)
• Topology-aware Differential Privacy for Decentralized Image Classification [81.2202290003513]
  Top-DPは、分散画像分類システムの差分プライバシー保護を最適化するための新しいソリューションである。 我々は、分散化された通信トポロジのユニークな特徴を活用し、ノイズスケールを小さくし、モデルのユーザビリティを向上させる。
  論文  参考訳（メタデータ） (2020-06-14T06:42:21Z)

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。