論文の概要: An information theorist's tour of differential privacy
- arxiv url: http://arxiv.org/abs/2510.10316v1
- Date: Sat, 11 Oct 2025 18:54:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-14 18:06:29.885597
- Title: An information theorist's tour of differential privacy
- Title（参考訳）: 情報理論家による差分プライバシーのツアー
- Authors: Anand D. Sarwate, Flavio P. Calmon, Oliver Kosut, Lalitha Sankar,
- Abstract要約: 差分プライバシーは 確率分布の違いでリスクを測る
微分プライベートアルゴリズムは、基礎となるデータと解析の出力の間のチャネルである。
- 参考スコア（独自算出の注目度）: 15.893041475103765
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Since being proposed in 2006, differential privacy has become a standard method for quantifying certain risks in publishing or sharing analyses of sensitive data. At its heart, differential privacy measures risk in terms of the differences between probability distributions, which is a central topic in information theory. A differentially private algorithm is a channel between the underlying data and the output of the analysis. Seen in this way, the guarantees made by differential privacy can be understood in terms of properties of this channel. In this article we examine a few of the key connections between information theory and the formulation/application of differential privacy, giving an ``operational significance'' for relevant information measures.
- Abstract（参考訳）: 2006年に提案されて以来、差分プライバシーは機密データの公開や共有におけるリスクを定量化する標準的な方法となっている。
その根底にあるのは、情報理論における中心的なトピックである確率分布の違いの観点から、差分プライバシーがリスクを測定することである。
微分プライベートアルゴリズムは、基礎となるデータと解析の出力の間のチャネルである。
このようにして、差分プライバシーによる保証は、このチャンネルの特性の観点から理解することができる。
本稿では,情報理論と差分プライバシーの定式化/適用との間にある重要な関係について考察し,関連する情報対策に「運用上の意義」を与える。
関連論文リスト
- Differentially Private Random Feature Model [47.35176457481132]
プライバシを保存するカーネルマシンに対して,差分的にプライベートな特徴モデルを作成する。
本手法は,プライバシを保護し,一般化誤差を導出する。
論文 参考訳（メタデータ） (2024-12-06T05:31:08Z) - Activity Recognition on Avatar-Anonymized Datasets with Masked Differential Privacy [64.32494202656801]
プライバシを保存するコンピュータビジョンは、機械学習と人工知能において重要な問題である。
本稿では,ビデオデータセット中の感性のある被験者を文脈内の合成アバターに置き換える匿名化パイプラインを提案する。
また、匿名化されていないがプライバシーに敏感な背景情報を保護するため、MaskDPを提案する。
論文 参考訳（メタデータ） (2024-10-22T15:22:53Z) - Differentially Private Covariate Balancing Causal Inference [8.133739801185271]
差分プライバシーは、プライバシー保護のための主要な数学的枠組みである。
我々のアルゴリズムは、所定のプライバシー予算の下で、整合性やレート最適性などの統計的保証のある点推定と区間推定の両方を生成する。
論文 参考訳（メタデータ） (2024-10-18T18:02:13Z) - Tangent differential privacy [13.796981813494199]
我々は、接する差分プライバシーと呼ばれる新しいタイプの差分プライバシーを提案する。
データディストリビューション全体で一様に定義される通常の差分プライバシと比較すると、特定のデータ配信に合わせて、具体的な差分プライバシが調整される。
論文 参考訳（メタデータ） (2024-06-06T22:11:31Z) - Improving the Variance of Differentially Private Randomized Experiments through Clustering [16.166525280886578]
差分的プライベートなメカニズムであるCluster-DPを提案する。
より高品質なクラスタを選択することで,プライバシー保証を損なうことなく,分散ペナルティを低減できることを示す。
論文 参考訳（メタデータ） (2023-08-02T05:51:57Z) - 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) - Algorithms with More Granular Differential Privacy Guarantees [65.3684804101664]
我々は、属性ごとのプライバシー保証を定量化できる部分微分プライバシー(DP)について検討する。
本研究では,複数の基本データ分析および学習タスクについて検討し,属性ごとのプライバシパラメータが個人全体のプライバシーパラメータよりも小さい設計アルゴリズムについて検討する。
論文 参考訳（メタデータ） (2022-09-08T22:43:50Z) - Decision Making with Differential Privacy under a Fairness Lens [65.16089054531395]
アメリカ国勢調査局は、多くの重要な意思決定プロセスの入力として使用される個人のグループに関するデータセットと統計を公表している。
プライバシと機密性要件に従うために、これらの機関は、しばしば、プライバシを保存するバージョンのデータを公開する必要がある。
本稿では,差分的プライベートデータセットのリリースについて検討し,公平性の観点から重要な資源配分タスクに与える影響を考察する。
論文 参考訳（メタデータ） (2021-05-16T21:04:19Z) - Robustness Threats of Differential Privacy [70.818129585404]
我々は、いくつかの設定で差分プライバシーをトレーニングしたネットワークが、非プライベートバージョンに比べてさらに脆弱であることを実験的に実証した。
本研究では,勾配クリッピングや雑音付加などのニューラルネットワークトレーニングの主成分が,モデルの堅牢性に与える影響について検討する。
論文 参考訳（メタデータ） (2020-12-14T18:59:24Z)
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。