差分隐私高维老虎机

我们考虑一个高维随机上下文线性老虎机问题，其中参数向量是$s_{0}$-稀疏的，且决策者受到中心模型和局部模型差分隐私的约束。我们提出了PrivateLASSO，一种差分隐私的LASSO老虎机算法。PrivateLASSO基于两个子程序：（i）一种基于稀疏硬阈值化的隐私机制，以及（ii）一种用于识别参数$\theta$支撑集的情景阈值化规则。我们证明了极小极大隐私下界，并在标准假设下为中心模型的PrivateLASSO建立了隐私和效用保证。