論文の概要: Detection and Resolution of Periodic Artifacts in OpenDP's Discrete Laplace Sampler

• arxiv url: http://arxiv.org/abs/2610.01907v1
• Date: Thu, 01 Oct 2026 15:51:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 01:19:24.23596
• Title: Detection and Resolution of Periodic Artifacts in OpenDP's Discrete Laplace Sampler
• Title（参考訳）: OpenDPの離散ラプラスサンプリングにおける周期的アーチファクトの検出と分解能
• Abstract要約: 差分プライバシーの実装は、正式なプライバシー保証を提供するために、ノイズ分布からの正確なサンプリングに依存している。 出力分布に周期的歪みを示すOpenDPの離散ラプラスサンプリング器で, 系統的な成果物の発見を報告する。 アーティファクトを除去する正確な論理的算術に基づく代替実装を提案する。
• 参考スコア（独自算出の注目度）: 4.016419044513359
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Differential privacy implementations rely on precise sampling from noise distributions to provide formal privacy guarantees. We report the discovery of systematic artifacts in OpenDP's discrete Laplace sampler that manifest as periodic distortions in the output distribution. Through systematic testing, we trace these artifacts to a faulty implementation in the rational arithmetic library used by the bernoulli_exp1 function, a low-level primitive that implements sampling from Bernoulli(e^(-x)) distributions. We present a diagnostic methodology that isolates the faulty component in the nested sampling hierarchy and propose an alternative implementation based on exact rational arithmetic that eliminates the artifacts. Statistical validation with 10^6 samples confirms that the corrected sampler produces outputs indistinguishable from the theoretical distribution at the tested precision level.
• Abstract（参考訳）: 差分プライバシーの実装は、正式なプライバシー保証を提供するために、ノイズ分布からの正確なサンプリングに依存している。 出力分布に周期的歪みを示すOpenDPの離散ラプラスサンプリング器で, 系統的な成果物の発見を報告する。 体系的なテストを通じて、これらのアーティファクトをBernoulli(e^(-x))分布からサンプリングを実装する低レベルのプリミティブであるbernoulli_exp1関数が使用する有理演算ライブラリの欠陥実装にトレースする。 本稿では,ネストしたサンプリング階層の欠陥成分を分離する診断手法を提案し,アーティファクトを除去する正確な合理的な算術に基づく代替実装を提案する。 10^6サンプルを用いた統計的検証により, 補正された試料は, 実験精度レベルでの理論的分布と区別できない出力を生成することを確認した。

関連論文リスト

• Fixed-point neural samplers on discrete spaces [23.04205410817134]
  離散非正規分布からサンプリングする固定点ニューラルサンプリング法を提案する。 我々のフレームワークは、マスク付き拡散の上に構築され、また、対の分布間の輸送にも拡張されている。 得られた手法が高次元システムに効果的にスケールできることを実証する。
  論文  参考訳（メタデータ） (2026-10-01T14:11:02Z)
• Pliable rejection sampling [61.01438712621603]
  提案手法は, 新規なリジェクションサンプリング手法であるPliable rejection sample (PRS) を提案する。 PRSは拒絶サンプリングに基づいて構築され、受け入れられたサンプルの数を保証する。
  論文  参考訳（メタデータ） (2026-04-24T09:21:53Z)
• Score-based sampling without diffusions: Guidance from a simple and modular scheme [0.0]
  本稿では, (a) 端末分布, (b) それぞれが強対数凹凸(SLC)分布で定義される前方軌道を設計する方法を示す。 このモジュラーリダクションは,後方進路を横切るために,空想的なSLCサンプリングアルゴリズムを利用することができる。 高精度ルーチンを使用すると、KL または Wasserstein 距離において $varepsilon$-accurate の答えが得られる。
  論文  参考訳（メタデータ） (2025-12-30T11:34:59Z)
• From Score Matching to Diffusion: A Fine-Grained Error Analysis in the Gaussian Setting [25.21429354164613]
  We show that the Wasserstein sample error can be expressed as a kernel-type norm of the data power spectrum。 We show that the Wasserstein sample error can be expressed as a kernel-type norm of the data power spectrum。
  論文  参考訳（メタデータ） (2025-03-14T17:35:00Z)
• Unified Convergence Analysis for Score-Based Diffusion Models with Deterministic Samplers [49.1574468325115]
  決定論的サンプリングのための統合収束分析フレームワークを提案する。 我々のフレームワークは$tilde O(d2/epsilon)$の反復複雑性を実現する。 また,Denoising Implicit Diffusion Models (DDIM) タイプのサンプルについて詳細な分析を行った。
  論文  参考訳（メタデータ） (2024-10-18T07:37:36Z)
• Theory on Score-Mismatched Diffusion Models and Zero-Shot Conditional Samplers [49.97755400231656]
  一般のスコアミスマッチ拡散サンプリング器に対する明示的な次元依存性を持つ最初の性能保証を示す。 その結果, スコアミスマッチは, 目標分布とサンプリング分布の分布バイアスとなり, 目標分布とトレーニング分布の累積ミスマッチに比例することがわかった。 この結果は、測定ノイズに関係なく、任意の条件モデルに対するゼロショット条件付きサンプリングに直接適用することができる。
  論文  参考訳（メタデータ） (2024-10-17T16:42:12Z)
• Distributed Markov Chain Monte Carlo Sampling based on the Alternating Direction Method of Multipliers [143.6249073384419]
  本論文では,乗算器の交互方向法に基づく分散サンプリング手法を提案する。 我々は,アルゴリズムの収束に関する理論的保証と,その最先端性に関する実験的証拠の両方を提供する。 シミュレーションでは,線形回帰タスクとロジスティック回帰タスクにアルゴリズムを配置し,その高速収束を既存の勾配法と比較した。
  論文  参考訳（メタデータ） (2024-01-29T02:08:40Z)
• Tackling Instance-Dependent Label Noise with Dynamic Distribution Calibration [18.59803726676361]
  インスタンスに依存したラベルノイズは現実的だが、ラベルの破損プロセスはインスタンスに直接依存する。 これは、トレーニングの分布とテストデータの間に深刻な分布シフトを引き起こし、訓練されたモデルの一般化を損なう。 本稿では,インスタンス依存ラベル雑音を用いた学習における分布変化に対処するために,動的分布校正戦略を採用する。
  論文  参考訳（メタデータ） (2022-10-11T03:50:52Z)
• Generative Modeling with Denoising Auto-Encoders and Langevin Sampling [88.83704353627554]
  DAEとDSMの両方がスムーズな人口密度のスコアを推定することを示した。 次に、この結果をarXiv:1907.05600のホモトピー法に適用し、その経験的成功を理論的に正当化する。
  論文  参考訳（メタデータ） (2020-01-31T23:50:03Z)

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。