本論文では、座標ごとの感度の差異を利用した差分プライバシーメカニズムを提案している。従来の差分プライバシーメカニズムでは、各座標に独立同一の雑音を加えていたが、本手法では座標ごとに異なる分散の雑音を加えることで、プライバシーと効用のトレードオフを改善している。
具体的には、ガウス雑音とラプラス雑音の座標ごとに異なる分散を持つバージョンを提案し、その最適な分散パラメータを理論的に導出している。理論解析と数値シミュレーションの結果から、提案手法は従来手法よりも高い効用を達成できることが示される。特に興味深い点は、高次元の場合でも座標ごとの感度の差異を利用すれば、ラプラス機構がガウス機構を上回ることがあるという点である。
また、提案手法を座標降下法を用いた経験リスク最小化問題に適用し、実データでの性能向上も示されている。
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Gokularam Mu... at arxiv.org 04-02-2024
https://arxiv.org/pdf/2302.03511.pdfDeeper Inquiries