Der Artikel untersucht die Privatsphäregarantien von zwei klassischen differentiell privaten Auswahlmechanismen, Report Noisy Max und Above Threshold, wenn sie mit Gaussian-Rauschen anstelle von Laplace-Rauschen implementiert werden.
Zunächst wird gezeigt, dass unter der zusätzlichen Annahme, dass die zugrunde liegenden Abfragen beschränkt sind, es möglich ist, reine ex-ante DP-Garantien für Report Noisy Max und reine ex-post DP-Garantien für Above Threshold zu liefern. Diese Garantien hängen von geschlossenen Formeln ab, die mit Standardmethoden numerisch ausgewertet werden können.
Darüber hinaus wird ein einfacher Privatsphärefilter für die Komposition von reinen ex-post DP-Garantien vorgeschlagen und verwendet, um einen vollständig adaptiven Gaussian Sparse Vector Technique-Mechanismus abzuleiten.
Schließlich werden Experimente auf Mobilitäts- und Energieverbrauchsdatensätzen durchgeführt, die zeigen, dass die vorgeschlagenen Analysen in der Praxis mit früheren Ansätzen Schritt halten oder diese übertreffen und weniger Hyperparameter-Abstimmung erfordern.
To Another Language
from source content
arxiv.org
Principais Insights Extraídos De
by Jonathan Leb... às arxiv.org 03-22-2024
https://arxiv.org/pdf/2402.06137.pdfPerguntas Mais Profundas