Core Concepts
KL 조건을 만족하는 비볼록 손실 함수에 대해 차등 프라이버시 하에 최적 속도로 경험적 위험 최소화를 달성할 수 있는 알고리즘을 제시한다.
Abstract
이 논문은 KL(Kurdyka-Łojasiewicz) 조건을 만족하는 비볼록 손실 함수에 대해 차등 프라이버시 하에 경험적 위험 최소화 문제를 다룬다.
주요 내용은 다음과 같다:
1 ≤ κ ≤ 2인 경우, 변동성 감소 경사 하강법 기반의 새로운 알고리즘을 제안하여
√
d/(n√ρ)^(κ) 의 속도로 경험적 위험을 최소화할 수 있음을 보였다. 이 속도는 근사 최적이다.
κ ≥ 2인 경우, 근사 근접점 방법의 차등 프라이버시 버전을 제안하여 동일한 속도로 경험적 위험을 최소화할 수 있음을 보였다. 이는 약볼록 손실 함수에도 적용 가능하다.
KL 파라미터를 모르는 경우, 노이즈 경사 하강법 알고리즘을 제안하여
√
d/(n√ρ)^(2κ/(4-κ)) 의 속도로 적응적으로 경험적 위험을 최소화할 수 있음을 보였다. 이는 κ = 2일 때 근사 최적이다.
KL 조건이 성립하지 않더라도, 동일한 노이즈 경사 하강법 알고리즘이
√
d/(n√ρ) 의 속도로 정상점을 근사할 수 있음을 보였다.
이 결과들은 KL 조건 하에서 비볼록 최적화 문제에 대한 차등 프라이버시 보장 알고리즘의 이해를 크게 확장한다.
Stats
F(w) - F(w*) ≤ γ^κ ∥∇F(w)∥^κ
L0 = Lipschitz 상수
L1 = 매끄러움 상수
n = 데이터셋 크기
d = 차원
ρ = 차등 프라이버시 매개변수
F0 = 초기 손실 상한
Quotes
"KL 조건은 많은 과적합 모델이 만족하는 것으로 알려져 있다."
"차등 프라이버시 하에서 비볼록 최적화 문제는 아직 잘 이해되지 않고 있다."