Core Concepts
Die Approximationsrate für differentiell private Algorithmen muss mit der Größe des metrischen Raums wachsen.
Abstract
Abstract:
Untersuchung des differentiell privaten Einrichtungsstandortproblems im Super-Set-Ausgabeszenario.
Aktuelle beste bekannte erwartete Approximationsrate für einen ǫ-DP-Algorithmus.
Vorstellung einer neuen unteren Grenze für die erwartete Approximationsrate.
Einleitung:
Beschreibung des Einrichtungsstandortproblems in einem metrischen Raum.
Ziel, die Kosten durch die Auswahl von Einrichtungen zu minimieren.
Fortschritte und Schwierigkeiten bei der Approximation des Problems.
Differentielle Privatsphäre:
Definition von differentieller Privatsphäre und deren Anwendung auf Algorithmen.
Bedeutung der Erhaltung der Privatsphäre der Benutzer.
Super-Set-Ausgabeszenario:
Beschreibung des Super-Set-Ausgabeszenarios für Einrichtungsstandorte.
Definition der Kosten und des erwarteten Approximationsverhältnisses.
Unser Beitrag:
Vorstellung einer neuen unteren Grenze für die erwartete Approximationsrate.
Verwendung des "Packing"-Frameworks für den Beweis.
Konstruktion von Datensätzen, um die Unmöglichkeit einer guten Approximation zu zeigen.
Vorarbeiten:
Definitionen und Ergebnisse zu regulären Graphen mit großer Taillenweite.
Verwendung von Lemmata zur Analyse der Zuordnung von Punkten zu Einrichtungen.
Hauptbeweis:
Beweis der unteren Grenze für die erwartete Approximationsrate.
Auswahl von Parametern und Konstruktion von Datensätzen.
Widerspruchsbeweis für die Annahme einer guten Approximation.
Offene Fragen:
Lücke zwischen unterer und oberer Grenze für die Approximationsrate.
Erweiterung der unteren Grenze auf approximativ-DP-Algorithmen.
Auswirkungen von δ auf die DP-Algorithmen.
Stats
Die beste bekannte erwartete Approximationsrate für einen ǫ-DP-Algorithmus beträgt O(log n √ǫ).
Die einzige bekannte untere Grenze für das Problem beträgt Ω(1/√ǫ).
Quotes
"Die Approximationsrate für differentiell private Einrichtungsstandorte im Super-Set-Ausgabeszenario muss mit der Größe des metrischen Raums wachsen."