論文の概要: Online Allocation with Differential Privacy
- arxiv url: http://arxiv.org/abs/2611.17554v1
- Date: Thu, 12 Nov 2026 22:15:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-16 18:43:16.26662
- Title: Online Allocation with Differential Privacy
- Title(参考訳): 差別化プライバシを備えたオンラインアロケーション
- Abstract要約: 資源制限下での性能を最適化しながら、機密性の高いユーザ情報を保護するために、割り当て決定が差分プライバシ(DP)を満たす必要がある、プライベートオンラインアロケーション問題について検討する。
まず、オンラインアロケーションにおいて異なるプライバシ要件に適合する差分プライバシーの概念を定式化し、これらの定義に基づいてアルゴリズムの基本性能限界を確立する。
我々は、オンラインアロケーションのためのプライバシ保護メタであるPPOAを提案し、PPOAがほぼ最適性能を達成しつつ、JDP(Joint DP)やLDP(LocalDP)を保存できる十分な条件を確立する。
- 参考スコア(独自算出の注目度): 25.16458070158282
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We study private online allocation problems, where allocation decisions must satisfy differential privacy (DP) to protect sensitive user information while optimizing performance under limited resources. We first formalize differential privacy notions suited to different privacy requirements in online allocation and establish the fundamental performance limits of any algorithm under these definitions. Based on these insights, we propose PPOA, a privacy-preserving meta algorithm for online allocation, and establish sufficient conditions under which PPOA preserves Joint DP (JDP) or Local DP (LDP) while achieving asymptotically near-optimal performance. Building on these conditions, PPOA can be instantiated into a variety of concrete algorithms. In particular, we present the specific designs, which include PPOA-DMD that preserves JDP and LDP and PPOA-FTRL that preserves JDP. We analyze their performance under both adversarial and stochastic settings and characterize the fundamental trade-offs between DP and allocation performance. Finally, we demonstrate the superior performance of the proposed algorithms via numerical experiments on AI model routing in battery-powered edge systems.
- Abstract(参考訳): 資源制限下での性能を最適化しながら、機密性の高いユーザ情報を保護するために、割り当て決定が差分プライバシ(DP)を満たす必要がある、プライベートオンラインアロケーション問題について検討する。
まず、オンラインアロケーションにおいて異なるプライバシ要件に適合する差分プライバシーの概念を定式化し、これらの定義に基づいてアルゴリズムの基本性能限界を確立する。
これらの知見に基づき、オンラインアロケーションのためのプライバシ保護メタアルゴリズムであるPPOAを提案し、PPOAが漸近的に近い性能を達成しつつ、JDP(Joint DP)やLDP(Local DP)を保存できる十分な条件を確立する。
これらの条件に基づいて、PPOAは様々な具体的なアルゴリズムにインスタンス化することができる。
特に,JDP と LDP を保存する PPOA-DMD や JDP を保存する PPOA-FTRL など,具体的な設計について述べる。
本研究は,DPとアロケーション性能の基本的なトレードオフを特徴付ける。
最後に,バッテリ駆動エッジシステムにおけるAIモデルルーティングに関する数値実験により,提案アルゴリズムの優れた性能を示す。
関連論文リスト
- Interpolation-Based Optimization for Enforcing lp-Norm Metric Differential Privacy in Continuous and Fine-Grained Domains [9.320305401683438]
メートル微分プライバシ(mDP)は、ペア距離に基づいてプライバシー保証を適用することで、ローカル微分プライバシ(LDP)を一般化する。
既存の最適化に基づく手法は、粗いドメインにおけるユーティリティ損失を効果的に削減する。
このような領域で lp-norm mDP を最適化するための計算ベースのフレームワークを提案する。
論文 参考訳(メタデータ) (2026-01-15T00:12:54Z) - Improved Algorithms for Differentially Private Language Model Alignment [12.611907955831597]
プライバシ保護アライメントのための新しいアルゴリズムを提案する。
私たちのフレームワークは2つの著名なアライメント技術にデプロイできます。
我々のアルゴリズムの1つであるDP-AdamWとDPOは、従来の手法を超越し、適度なプライバシー予算の下でアライメント品質を最大15%改善します。
論文 参考訳(メタデータ) (2025-05-13T16:18:59Z) - Differentially Private Policy Gradient [48.748194765816955]
本研究では,プライバシノイズと信頼領域サイズとの間の適切なトレードオフを見出すことができ,性能的にプライベートなポリシー勾配アルゴリズムが得られることを示す。
この結果と課題の複雑さは,オンラインRLにおける既存のDPアルゴリズムよりも大幅に改善されている。
論文 参考訳(メタデータ) (2025-01-31T12:11:13Z) - Enhancing Feature-Specific Data Protection via Bayesian Coordinate Differential Privacy [55.357715095623554]
ローカル微分プライバシー(LDP)は、ユーザーが外部の関係者を信頼することなく、強力なプライバシー保証を提供する。
本稿では,ベイジアン・フレームワークであるベイジアン・コーディネート・ディファレンシャル・プライバシ(BCDP)を提案する。
論文 参考訳(メタデータ) (2024-10-24T03:39:55Z) - Provable Privacy with Non-Private Pre-Processing [56.770023668379615]
非プライベートなデータ依存前処理アルゴリズムによって生じる追加のプライバシーコストを評価するための一般的なフレームワークを提案する。
当社のフレームワークは,2つの新しい技術的概念を活用することにより,全体的なプライバシー保証の上限を確立する。
論文 参考訳(メタデータ) (2024-03-19T17:54:49Z) - Adaptive Differentially Quantized Subspace Perturbation (ADQSP): A Unified Framework for Privacy-Preserving Distributed Average Consensus [6.364764301218972]
本稿では適応微分量子化部分空間(ADQSP)という一般手法を提案する。
本研究では,単一の量子化パラメータを変化させることで,提案手法がSMPC型の性能とDP型性能に異なることを示す。
この結果から,従来の分散信号処理ツールを暗号保証に活用する可能性が示唆された。
論文 参考訳(メタデータ) (2023-12-13T07:52:16Z)
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。