Core Concepts
相対L2感度を活用した相対ガウスメカニズムは、プライベート勾配降下に適用可能であり、厳密なプライバシー保証を提供します。
Abstract
この論文では、相対L2感度の概念を導入し、それを活用してプライベート勾配降下に適用する方法を提案しています。実験結果は、クリッピングと比較しても有効であることを示しています。さらなる研究が必要です。
1. 導入
プライバシー保護の重要性とDifferential Privacy(DP)の概要
相対L2感度の導入とその重要性
2. Gaussian Mechanism(GM)とRelative Gaussian Mechanism(RGM)
GMσによるプライバシー保護メカニズムの説明
RGMγ,σの導入とその特徴
3. Gradient Descentへの適用
プライベート勾配降下アルゴリズムの説明
RGMγ,σを使用した場合の利点
4. 実験結果
異なるデータ分割パターンにおける実験結果の比較(ランダム、ラベル、バイアス)
クリッピングとRGMγ,σの効果的な比較
Stats
GMσはαR2abs/2εで(α, ε)-RDPを満たす。
RGMγ,σは(α, ϵ)-Rényi-DPを満たす。
Quotes
"私たちは相対L2感度を導入しました。"
"RGMγ,σは厳密なプライバシー保証を提供します。"