一种基于 Jensen 不等式的隐私漏斗期望最大化松弛方法
信息论
2024-05-02 v1 math.IT
摘要
隐私漏斗（PF）提供了隐私保护数据释放的框架，目标是在保持数据有用性的同时限制相关敏感信息的暴露。该框架因其广泛的隐私-效用权衡建模应用而引起广泛关注。因此，开发具有高精度和理论收敛保证的数值方法具有强烈动机。在本文中，我们提出了一种基于 Jensen 不等式的目标函数松弛变体，用于计算 PF 问题。该模型在最优解和最优值方面等价于原始问题。基于我们提出的模型，我们开发了一种仅涉及闭形式迭代的准确算法。通过下降估计和 Pinsker 不等式，理论上保证了算法的收敛。数值结果表明，我们提出的算法有效。
关键词
引用
@article{arxiv.2405.00616,
title = {An Expectation-Maximization Relaxed Method for Privacy Funnel},
author = {Lingyi Chen and Jiachuan Ye and Shitong Wu and Huihui Wu and Hao Wu and Wenyi Zhang},
journal= {arXiv preprint arXiv:2405.00616},
year = {2024}
}