本論文では、マトリックスメカニズムにおけるプライバシー増幅の分析を行っている。
主な内容は以下の通り:
条件付き合成定理: 相関のある出力を持つ適応的な一連のメカニズムを分析するための新しい定理を提案する。これにより、悪い事象が起こる確率に応じて緩和された保証を得ることができる。
MMCC: マトリックスメカニズムのための新しいプライバシー増幅アルゴリズム。条件付き合成定理を用いて、任意のマトリックスメカニズムの増幅保証を導出する。低エプシロン領域でほぼ最適な保証を達成する。
バイナリツリーメカニズムの増幅保証: 条件付き合成定理の柔軟性を活かし、バイナリツリーメカニズムの増幅保証を示す。これは、現在の増幅による混合結果の下限に近い保証となっている。
実験的改善: MMCCライブラリを実装し、バイナリツリーDP-FTRLアルゴリズムの性能を改善できることを示す。また、prefix-sumの2乗誤差最小化問題でも、MMCCを用いることで従来手法よりも小さい誤差を達成できることを示す。
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Christopher ... at arxiv.org 05-07-2024
https://arxiv.org/pdf/2310.15526.pdfDeeper Inquiries