Fugu-MT 論文翻訳(概要): Data anonymization in the presence of outliers via invariant coordinate selection

論文の概要: Data anonymization in the presence of outliers via invariant coordinate selection

arxiv url: http://arxiv.org/abs/2605.04833v1
Date: Wed, 06 May 2026 12:29:50 GMT
ステータス: 翻訳完了
システム内更新日: 2026-05-07 18:41:07.809995
Title: Data anonymization in the presence of outliers via invariant coordinate selection
Title（参考訳）: 不変座標選択による異常値の存在下でのデータ匿名化
Abstract要約: 既存の潜在空間匿名化法は主成分分析(PCA)に依存しており、従って汚染に弱い可能性がある。我々は、オフレイアの存在下での匿名化を調査し、不変座標選択(ICS)に基づく、SAに代わる堅牢な代替品であるICSAを提案する。 ICSAとSAのプライバシ・ユーティリティ・トレードオフは, 各種汚染設定および外乱重大度下でのシミュレーション実験により比較した。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Protecting confidential data while preserving utility is particularly challenging when data sets contain outlying observations. Existing latent space anonymization methods, such as spectral anonymization (SA), rely on principal component analysis (PCA) and may therefore be vulnerable to contamination. We investigate anonymization in the presence of outliers and propose ICSA, a robust alternative to SA based on invariant coordinate selection (ICS). By replacing the PCA transformation with ICS, the robustness of the anonymization procedure can be regulated through the choice of scatter matrices. Alongside the methodological development, we derive a theoretical result showing that SA fails under sufficiently influential outliers. To assess the practical implications of this result, we compare the privacy-utility trade-off of ICSA and SA through simulation experiments under varying contamination settings and outlier severities. Our findings indicate that implementations of ICSA based on robust scatter matrices achieve stronger privacy protection than SA, while typically maintaining comparable, and in some cases improved, utility. We further examine the empirical performance of the proposed method using a benchmark clinical data set, where ICSA demonstrates superior overall privacy-utility efficiency relative to SA. These results suggest that explicitly accounting for outliers can materially improve anonymization performance and that robust latent space transformations offer a promising direction for privacy-preserving statistical data release.
Abstract（参考訳）: ユーティリティを維持しながら機密データを保護することは、データセットが外部からの観測を含む場合、特に困難である。スペクトル匿名化(SA)のような既存の遅延空間匿名化法は、主成分分析(PCA)に依存しており、従って汚染に弱い可能性がある。そこで我々は, 異常な座標選択(ICS)に基づく, SAの頑健な代替手段であるICSAを提案する。 PCA変換をICSに置き換えることで、分散行列の選択によって匿名化手順の堅牢性を制御することができる。方法論の発展とともに,SAが十分に影響力のある外れ値以下で失敗することを示す理論的結果が導出される。この結果の実用的意義を評価するため, ICSA とSA のプライバシー利用トレードオフを, 各種汚染設定および外部性重大度によるシミュレーション実験により比較した。その結果,堅牢な散乱行列をベースとしたICSAの実装は,SAよりも強力なプライバシー保護を実現する一方で,典型的には同等であり,場合によっては実用性も向上していることがわかった。さらに、ICSAは、SAと比較して、全体的なプライバシー利用効率が優れていることを示すベンチマーク臨床データセットを用いて、提案手法の実証的な性能を検証した。これらの結果から, 異常値の明示的な説明は, 匿名化性能を大幅に向上させ, 頑健な遅延空間変換は, プライバシー保護の統計データリリースに有望な方向性をもたらすことが示唆された。

関連論文リスト

From Signals to Transfer: A Factorised Study of Probe-Based Uncertainty Estimation in Large Language Models [51.470637128942336]
本稿では, 一致する条件下でのプローブベース不確実性推定(UE)について, 因子分析を行った。この結果から,隠れ状態や注目特徴がドメイン内よりも優れていることが示唆された。我々は、オープンエンドの事実生成に対して合理的に伝達するベンチマークベースの事前訓練プローブを訓練する。
論文参考訳（メタデータ） (2026-06-26T03:23:15Z)
Benchmarking Empirical Privacy Protection for Adaptations of Large Language Models [35.164227002323706]
大規模言語モデル(LLM)におけるDP適応下のプライバシーリスクについて検討する。我々は、ロバストなメンバシップ推論やカナリアデータ抽出といった最先端攻撃を用いて、これらのリスクをベンチマークする。パラメータ効率のよいLoRAのような微調整手法は,OODデータに対して最も高いプライバシー保護を実現する。
論文参考訳（メタデータ） (2026-06-08T12:21:02Z)
Enhancing Decision-Making in Windows PE Malware Classification During Dataset Shifts with Uncertainty Estimation [1.9269719158344512]
我々は,確率閾値,事前ネット,アンサンブル推定,帰納的等式評価(ICE)を含む不確実性を考慮した意思決定戦略について検討する。本研究の主な貢献は,ICE内における非整合性対策として,アンサンブルに基づく不確実性推定を,新しいしきい値最適化法と組み合わせることである。これらの結果は、アンサンブルに基づく不確実性と整合性予測を統合することで、極端なデータセットシフトの下での誤分類に対するより信頼性の高い保護が可能になることを示している。
論文参考訳（メタデータ） (2025-12-20T20:17:12Z)
Semi-Supervised Regression with Heteroscedastic Pseudo-Labels [50.54050677867914]
両レベル最適化の観点から,疑似ラベルの影響を動的に調整する不確実性認識型擬似ラベル化フレームワークを提案する。我々は、様々なベンチマークSSRデータセットにまたがって、我々のアプローチを検証するための理論的洞察と広範な実験を提供する。
論文参考訳（メタデータ） (2025-10-17T03:06:23Z)
Analysis of Variational Sparse Autoencoders [1.675385127117872]
SAEアーキテクチャに変分手法を組み込むことで,特徴構造や解釈可能性が改善されるかどうかを検討する。本稿では,変分スパースオートエンコーダ(vSAE)を導入し,決定論的ReLUゲーティングを学習したガウス後部からのサンプリングに置き換える。以上の結果から,SAEに対する変分法の適用は,機能的構造や解釈可能性の向上には至らないことが示唆された。
論文参考訳（メタデータ） (2025-09-26T23:09:56Z)
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)
Robust and Differentially Private PCA for non-Gaussian data [3.744589644319257]
重み付きおよび潜在的に汚染されたデータに適用可能な微分プライベートPCA法を提案する。有界変換を適用することにより、主成分の微分プライベートな計算が可能となる。我々の手法は統計的有用性の観点から既存の手法より一貫して優れている。
論文参考訳（メタデータ） (2025-07-21T04:27:09Z)
Promptable Anomaly Segmentation with SAM Through Self-Perception Tuning [63.55145330447408]
異常セグメンテーションのための textbfSelf-textbfPerceptinon textbfTuning (textbfSPT) 法を提案する。 SPT法は, 自己描画型チューニング戦略を取り入れ, 異常マスクの初期粗いドラフトを生成し, 精製処理を行う。
論文参考訳（メタデータ） (2024-11-26T08:33:25Z)
Certifiably Byzantine-Robust Federated Conformal Prediction [49.23374238798428]
本稿では,悪意のあるクライアントに対する堅牢な共形予測を行う新しいフレームワークRob-FCPを提案する。我々は、さまざまなビザンチン攻撃の下で、悪意のあるクライアントの多様な割合に対するRob-FCPの堅牢性を実証的に実証した。
論文参考訳（メタデータ） (2024-06-04T04:43:30Z)
Asymptotic utility of spectral anonymization [0.0]
スペクトル匿名化(SA)アルゴリズムの有用性とプライバシについて検討する。我々は、$mathcalJ$-spectral anonymizationと$mathcalO$-spectral anonymizationの2つの新しいSA変種を紹介する。いくつかの現実的な仮定の下では、これらのSAアルゴリズムが元のデータの第一と第二の瞬間をいかに保存するかを示す。
論文参考訳（メタデータ） (2024-05-28T07:53:20Z)
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)

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。