論文の概要: The Right to Be Forgotten under Correlation: Privacy-Utility Tradeoffs

• arxiv url: http://arxiv.org/abs/2610.17088v1
• Date: Mon, 12 Oct 2026 16:48:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-18 03:19:47.27102
• Title: The Right to Be Forgotten under Correlation: Privacy-Utility Tradeoffs
• Title（参考訳）: 相関の下で忘れられる権利:プライバシとユーティリティのトレードオフ
• Abstract要約: 相関データセットから情報を再生成するプライバシー保護アルゴリズムについて検討する。 プライバシ(相関による推論)とユーティリティ(リアクション数)の最適トレードオフを解析的に特徴付ける。
• 参考スコア（独自算出の注目度）: 14.335858006031787
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We study privacy-preserving algorithms that redact information from a correlated dataset. The goal is to reduce the information leakage about sensitive parts. We analytically characterize the optimal tradeoff between privacy (leakage through correlation) and utility (number of redactions) for local mechanisms and binary Markovian correlations. Our result shows how to decompose the mechanism design problem into a sequence of local mechanism design problems and reveals their sequential relation. The optimal mechanism is the solution to a Finite-Horizon Deterministic Markov Decision Process.
• Abstract（参考訳）: 相関データセットから情報を再生成するプライバシー保護アルゴリズムについて検討する。 目標は、機密性の高い部分に関する情報リークを減らすことだ。 我々は、局所的なメカニズムと二項マルコフ相関に対するプライバシー(相関による推論)と実用性(リアクションの数)の最適なトレードオフを解析的に特徴づける。 本結果は,機構設計問題を局所的な機構設計問題列に分解する方法を示し,それらの順序関係を明らかにする。 最適メカニズムは有限-水平決定性マルコフ決定過程の解である。

関連論文リスト

• Causal Feature Selection via Transfer Entropy [59.999594949050596]
  因果発見は、観察データによる特徴間の因果関係を特定することを目的としている。 本稿では,前向きと後向きの機能選択に依存する新たな因果的特徴選択手法を提案する。 精度および有限サンプルの場合の回帰誤差と分類誤差について理論的に保証する。
  論文  参考訳（メタデータ） (2023-10-17T08:04:45Z)
• 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)
• Privacy Induces Robustness: Information-Computation Gaps and Sparse Mean Estimation [8.9598796481325]
  本稿では, アルゴリズムと計算複雑性の両面において, 異なる統計問題に対する観測結果について検討する。 プライベートスパース平均推定のための情報計算ギャップを確立する。 また、プライバシーによって引き起こされる情報計算のギャップを、いくつかの統計や学習問題に対して証明する。
  論文  参考訳（メタデータ） (2022-11-01T20:03:41Z)
• Decentralized Stochastic Optimization with Inherent Privacy Protection [103.62463469366557]
  分散最適化は、現代の協調機械学習、分散推定と制御、大規模センシングの基本的な構成要素である。 データが関与して以降、分散最適化アルゴリズムの実装において、プライバシ保護がますます重要になっている。
  論文  参考訳（メタデータ） (2022-05-08T14:38:23Z)
• Graph-Homomorphic Perturbations for Private Decentralized Learning [64.26238893241322]
  ローカルな見積もりの交換は、プライベートデータに基づくデータの推測を可能にする。 すべてのエージェントで独立して選択された摂動により、パフォーマンスが著しく低下する。 本稿では,特定のヌル空間条件に従って摂動を構成する代替スキームを提案する。
  論文  参考訳（メタデータ） (2020-10-23T10:35:35Z)
• Correlated Differential Privacy: Feature Selection in Machine Learning [13.477069421691562]
  提案手法は,データ相関の程度を管理し,プライバシを保護し,予測結果の正確性をサポートするための5つのステップを含む。 実験の結果,提案手法により,機械学習タスクによる予測精度が向上し,既存のスキームに比べて平均2乗誤差が少なくなることがわかった。
  論文  参考訳（メタデータ） (2020-10-07T00:33:24Z)
• Differential Privacy of Hierarchical Census Data: An Optimization Approach [53.29035917495491]
  国勢調査局(Census Bureaus)は、個人に関する機密情報を明らかにすることなく、大人口に関する社会経済的データをまとめて公開することに興味を持っている。 最近の出来事では、これらの組織が直面しているプライバシー上の課題がいくつか特定されている。 本稿では,階層的な個人数を解放する新たな差分プライバシ機構を提案する。
  論文  参考訳（メタデータ） (2020-06-28T18:19:55Z)
• On the Information Bottleneck Problems: Models, Connections, Applications and Information Theoretic Views [39.49498500593645]
  本チュートリアルでは,情報理論の観点からボトルネック問題の変種に着目した。 問題を解決するための実践的な方法と、コーディングと学習の側面との関係について論じる。
  論文  参考訳（メタデータ） (2020-01-31T15:23:19Z)

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。