論文の概要: Differentially Private E-Values

• arxiv url: http://arxiv.org/abs/2510.18654v1
• Date: Tue, 21 Oct 2025 14:03:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 03:08:13.72388
• Title: Differentially Private E-Values
• Title（参考訳）: Differentially Private E-Values
• Authors: Daniel Csillag, Diego Mesquita,
• Abstract要約: 多くの現実世界のアプリケーションは機密データに依存しており、e-valueを通じてリークすることができる。 本稿では,非プライベートなe値から微分プライベートな値に変換する一般的なフレームワークを提案する。 差分的にプライベートなe-値が統計的に有効であることを示し、非プライベートなe-値と同じくらい統計的に有効であることを示す。
• 参考スコア（独自算出の注目度）: 11.039991534423871
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: E-values have gained prominence as flexible tools for statistical inference and risk control, enabling anytime- and post-hoc-valid procedures under minimal assumptions. However, many real-world applications fundamentally rely on sensitive data, which can be leaked through e-values. To ensure their safe release, we propose a general framework to transform non-private e-values into differentially private ones. Towards this end, we develop a novel biased multiplicative noise mechanism that ensures our e-values remain statistically valid. We show that our differentially private e-values attain strong statistical power, and are asymptotically as powerful as their non-private counterparts. Experiments across online risk monitoring, private healthcare, and conformal e-prediction demonstrate our approach's effectiveness and illustrate its broad applicability.
• Abstract（参考訳）: E-valuesは統計的推測とリスク管理のための柔軟なツールとして有名になり、最小限の仮定の下で任意の時間とポストホック価の手続きを可能にする。 しかし、現実世界の多くのアプリケーションは基本的に機密データに依存しており、これはe-valueを通じてリークすることができる。 安全なリリースを保証するため,非プライベートなe値から微分プライベートな値に変換するための一般的なフレームワークを提案する。 この目的のために我々は,電子値が統計的に有効であることを保証する新しいバイアス付き乗法ノイズ機構を開発した。 差分的にプライベートなe-値が強い統計力を獲得し、漸近的にその非プライベートな値と同じくらい強力であることを示す。 オンラインリスクモニタリング、プライベートヘルスケア、コンフォーマル電子予測の実験は、我々のアプローチの有効性を示し、その適用可能性を示している。

関連論文リスト

• On the MIA Vulnerability Gap Between Private GANs and Diffusion Models [51.53790101362898]
  GAN(Generative Adversarial Networks)と拡散モデルが高品質な画像合成のための主要なアプローチとして登場している。 差分自己生成モデルが直面するプライバシーリスクの統一的および実証的分析について述べる。
  論文  参考訳（メタデータ） (2025-09-03T14:18:22Z)
• High-Dimensional Differentially Private Quantile Regression: Distributed Estimation and Statistical Inference [0.26784722398800515]
  分散環境での高次元データに対する微分プライベート量子回帰法を提案する。 我々は、反復的な更新を行い、ほぼ最適な統計精度と正式なプライバシー保証を確保する、微分プライベートな推定アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2025-08-07T09:47:44Z)
• From Randomized Response to Randomized Index: Answering Subset Counting Queries with Local Differential Privacy [27.59934932590226]
  ローカル微分プライバシ(LDP)は、個々のデータプライバシを保護するための主要なプライバシモデルである。 我々は、値の摂動ではなく、値のインデックスにランダム化を適用する別のアプローチを提案する。 乱数化インデックスのデニビリティに着想を得て,集合値データに対するサブセットカウントクエリに応答するCRIADを提案する。
  論文  参考訳（メタデータ） (2025-04-24T13:08:11Z)
• On Privately Estimating a Single Parameter [47.499748486548484]
  大規模パラメトリックモデルにおける個々のパラメータに対する微分プライベート推定器について検討する。 これらのプライベート証明書を活用することで、少なくともサンプルサイズにおいて、本質的には改善不可能なプライベート統計を解放する計算的かつ統計的に効率的なメカニズムを提供する。 我々は,米国コミュニティサーベイと米国国勢調査のシミュレーションデータと実世界のデータの両方において,新しい手順が成功するシナリオを強調し,今後の作業領域を特定するアルゴリズムの実用性について検討する。
  論文  参考訳（メタデータ） (2025-03-21T15:57:12Z)
• Probabilistic Conformal Prediction with Approximate Conditional Validity [81.30551968980143]
  本研究では,共形手法の柔軟性と条件分布の推定を組み合わせ,予測セットを生成する手法を開発した。 我々の手法は、条件付きカバレッジの観点から既存の手法よりも一貫して優れています。
  論文  参考訳（メタデータ） (2024-07-01T20:44:48Z)
• Data-Adaptive Tradeoffs among Multiple Risks in Distribution-Free Prediction [55.77015419028725]
  しきい値とトレードオフパラメータが適応的に選択された場合、リスクの有効な制御を可能にする手法を開発する。 提案手法は単調なリスクとほぼ単調なリスクをサポートするが,それ以外は分布的な仮定はしない。
  論文  参考訳（メタデータ） (2024-03-28T17:28:06Z)
• TernaryVote: Differentially Private, Communication Efficient, and Byzantine Resilient Distributed Optimization on Heterogeneous Data [50.797729676285876]
  本稿では, 3次圧縮機と多数決機構を組み合わせて, 差分プライバシー, 勾配圧縮, ビザンチンレジリエンスを同時に実現するternaryVoteを提案する。 提案アルゴリズムのF差分プライバシー(DP)とビザンチンレジリエンスのレンズによるプライバシー保証を理論的に定量化する。
  論文  参考訳（メタデータ） (2024-02-16T16:41:14Z)
• 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)

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。