基于随机凸优化的线性查询差分隐私算法
统计方法学
2024-11-05 v1
摘要
本文建立了一种方法，用于在确保差分隐私的前提下回答给定数据集上的有限线性查询。为此，我们将相应任务表述为鞍点问题，即一个优化问题，其解对应于一个分布，该分布最小化基于真实分布回答线性查询的答案与基于差分隐私分布回答的答案之间的差异。在此基础上，我们为相应的差分隐私数据发布建立了两种新算法：第一种基于差分隐私Frank-Wolfe方法，第二种结合随机平滑与随机凸优化技术来求解鞍点问题。虽然先前工作以经验数据分布为参考来评估差分隐私算法的准确性，但本研究的关键贡献在于以真实数据生成分布为参考，对所提算法的准确性进行更自然的评估。
引用
@article{arxiv.2411.00921,
title = {Differentially Private Algorithms for Linear Queries via Stochastic Convex Optimization},
author = {Giorgio Micali and Clement Lezane and Annika Betken},
journal= {arXiv preprint arXiv:2411.00921},
year = {2024}
}