用于检测 GWAS 数据库中多重 SNP 关联的差分隐私逻辑回归
机器学习
2014-07-31 v1 机器学习
应用统计
摘要
继 Homer 等人提出针对全基因组关联研究 (GWAS) 数据的攻击后，人们给予了大量关注以开发以隐私保护方式发布 GWAS 数据的方法。在此，我们开发了一种端到端的差分隐私方法，用于求解具有凸惩罚函数的回归问题，并通过交叉验证选择惩罚参数。特别地，我们专注于带有弹性网络正则化的惩罚逻辑回归，这是一种在 GWAS 分析中广泛用于识别致病基因的方法。我们展示了如何将带有弹性网络正则化的惩罚逻辑回归的差分隐私过程应用于 GWAS 数据分析，并评估了我们方法的性能。
引用
@article{arxiv.1407.8067,
title = {Differentially-Private Logistic Regression for Detecting Multiple-SNP Association in GWAS Databases},
author = {Fei Yu and Michal Rybar and Caroline Uhler and Stephen E. Fienberg},
journal= {arXiv preprint arXiv:1407.8067},
year = {2014}
}
备注
To appear in Proceedings of the 2014 International Conference on Privacy in Statistical Databases