論文の概要: Compression with Privacy-Preserving Random Access

• arxiv url: http://arxiv.org/abs/2511.14524v1
• Date: Tue, 18 Nov 2025 14:24:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-19 16:23:53.153251
• Title: Compression with Privacy-Preserving Random Access
• Title（参考訳）: プライバシー保護型ランダムアクセスによる圧縮
• Authors: Venkat Chandar, Aslan Tchamkerten, Shashank Vatedka,
• Abstract要約: i.d.バイナリソースシーケンス$X_i$はエントロピー以上の速度で損失なく圧縮できることが示されている。 任意の$X_i$の個別の復号化は、他のビットのEmphno情報($X_j : j neq i$)を明らかにする。
• 参考スコア（独自算出の注目度）: 8.3530240056846
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: It is shown that an i.i.d. binary source sequence $X_1, \ldots, X_n$ can be losslessly compressed at any rate above entropy such that the individual decoding of any $X_i$ reveals \emph{no} information about the other bits $\{X_j : j \neq i\}$.
• Abstract（参考訳）: 例えば、二進元列 $X_1, \ldots, X_n$ はエントロピー上の任意の速度で損失なく圧縮され、任意の$X_i$ の個別復号が他のビット $\{X_j : j \neq i\}$ に関する \emph{no} 情報を明らかにする。

関連論文リスト

• Optimal Computational Secret Sharing [51.599517747577266]
  $(t, n)$-threshold secret sharingでは、秘密の$S$が$n$の参加者に分散される。 共有サイズが $tfrac|S|t + |K|t$ となる構成を示す。
  論文  参考訳（メタデータ） (2025-02-04T23:37:16Z)
• Differentially Private Set Representations [13.576656322669098]
  本研究では,大宇宙からの大きさの集合を$k$で表すために,差分プライベート(DP)機構の問題を考察する。 最初の構成では、$(epsilon,delta)$-DP表現を生成し、エラー確率は1/(eepsilon + 1)$で、少なくとも1.05 k epsilon cdot log(e)$ bitsで空間を使用する。 また、最大$k epsilon cdot log(e)$ bitsの空間を用いて、同じエラーを持つ純粋な$epsilon$-DP表現のための第2のアルゴリズムも提示する。
  論文  参考訳（メタデータ） (2025-01-28T03:29:00Z)
• Sample Compression Scheme Reductions [17.389446817000945]
  本稿では,多クラス分類,回帰,対向的頑健な学習環境におけるサンプル圧縮方式の新たな削減について述べる。 我々は、逆向きに頑健な学習のための同様の結果を確立し、また、頑健に学習できるが、境界サイズの圧縮スキームを持たない概念クラスの例を示す。
  論文  参考訳（メタデータ） (2024-10-16T20:14:02Z)
• Public key cryptosystems based on Iterated Functions Systems [2.4374097382908477]
  公開鍵が$g$である暗号システムを定義する。 暗号化されるメッセージはワード$wで、関連する暗号文は$Phi_g,w$である。 秘密鍵は$Phi_f,w$を$Phi_g,w$から復元することができる。
  論文  参考訳（メタデータ） (2023-09-12T02:12:39Z)
• Learning low-degree functions from a logarithmic number of random queries [77.34726150561087]
  任意の整数 $ninmathbbN$, $din1,ldots,n$ および任意の $varepsilon,deltain(0,1)$ に対して、有界関数 $f:-1,1nto[-1,1]$ に対して、少なくとも$d$ の次数を学ぶことができる。
  論文  参考訳（メタデータ） (2021-09-21T13:19:04Z)
• Second-Order Information in Non-Convex Stochastic Optimization: Power and Limitations [54.42518331209581]
  私たちは発見するアルゴリズムを見つけます。 epsilon$-approximate stationary point ($|nabla F(x)|le epsilon$) using $(epsilon,gamma)$surimateランダムランダムポイント。 ここでの私たちの下限は、ノイズのないケースでも新規です。
  論文  参考訳（メタデータ） (2020-06-24T04:41:43Z)
• Tight Quantum Lower Bound for Approximate Counting with Quantum States [49.6558487240078]
  Aaronson, Kothari, Kretschmer, Thaler (2020) が考える数え上げ問題の次の変種に対する厳密な下界を証明する。 このタスクは、入力セット$xsubseteq [n]$が$k$か$k'=(1+varepsilon)k$であるかどうかを識別する。
  論文  参考訳（メタデータ） (2020-02-17T10:53:50Z)

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。