差分隐私下的 Assouad、Fano 与 Le Cam 方法

Jayadev Acharya; Ziteng Sun; Huanyu Zhang

差分隐私下的 Assouad、Fano 与 Le Cam 方法

机器学习 2020-11-03 v3 密码学与安全数据结构与算法信息论 math.IT 机器学习

作者: Jayadev Acharya , Ziteng Sun , Huanyu Zhang

摘要

Le Cam 方法、Fano 不等式与 Assouad 引理是证明统计估计任务下界三种广泛使用的技术。我们提出它们在中心差分隐私下的类比。我们的结果简单且易于应用，并用其确立了若干估计任务中的样本复杂度界。我们确立了在总变差距离与 $\ell_2$ 距离下离散分布估计的最优样本复杂度。我们还提供了若干其他分布类（包括乘积分布与高斯混合）的下界，其在对数因子内紧致。我们论文的技术部分将分布间的耦合与差分隐私下估计的样本复杂度相关联。

关键词

差分隐私 Le Cam 方法 Fano 不等式 Assouad 引理样本复杂度分布估计

引用

@article{arxiv.2004.06830,
  title  = {Differentially Private Assouad, Fano, and Le Cam},
  author = {Jayadev Acharya and Ziteng Sun and Huanyu Zhang},
  journal= {arXiv preprint arXiv:2004.06830},
  year   = {2020}
}

差分隐私下的 Assouad、Fano 与 Le Cam 方法

摘要

关键词

引用

相关论文