利用 FFT 计算异构组合的差分隐私保证

Antti Koskela; Antti Honkela

利用 FFT 计算异构组合的差分隐私保证

密码学与安全 2021-06-22 v2 机器学习机器学习

作者: Antti Koskela , Antti Honkela

摘要

最近提出的基于快速傅里叶变换（FFT）的记账器，利用隐私损失分布形式化来评估 $(\varepsilon,\delta)$ -差分隐私保证，已被证明在应用于同构组合（即相同机制的组合）时，比 Rényi 记账器等常用方法给出更紧的界。在本文中，我们将此方法扩展到异构组合。我们进行了完整的误差分析，使得可以选择算法参数以获得所需精度。该分析还通过考虑算法的所有参数扩展了先前的结果。利用误差分析，我们还给出了计算复杂度关于误差的界，该界类似于 Murtagh 和 Vadhan（2018）给出的界并略有收紧。我们还展示了如何利用 Plancherel 定理加速紧隐私保证的评估，代价是增加预计算和内存使用。

关键词

差分隐私异构组合快速傅里叶变换隐私损失分布误差分析计算复杂度

引用

@article{arxiv.2102.12412,
  title  = {Computing Differential Privacy Guarantees for Heterogeneous Compositions Using FFT},
  author = {Antti Koskela and Antti Honkela},
  journal= {arXiv preprint arXiv:2102.12412},
  year   = {2021}
}

备注

44 pages, 10 figures

利用 FFT 计算异构组合的差分隐私保证

摘要

关键词

引用

备注

相关论文