通过自适应投影实现差分隐私查询发布
机器学习
2021-06-24 v2 密码学与安全
摘要
我们提出、实现并评估了一种新算法，用于在差分隐私约束下发布大量统计查询（如 -way 边缘）的答案。我们的算法自适应地使用投影机制的一种连续松弛，该机制通过简单扰动在私有数据集上回答查询，然后尝试寻找与带噪答案最匹配的合成数据集。我们对合成数据集域使用连续松弛，使投影损失可微，并允许我们使用高效的 ML 优化技术与工具。我们不是预先回答所有查询，而是通过迭代且自适应地寻找（松弛）合成数据具有高误差的查询，然后重复投影，来明智地使用隐私预算。我们在一系列参数和数据集上进行了广泛的实验评估，发现我们的方法在许多情况下优于现有算法，尤其是在隐私预算较小或查询类较大时。
引用
@article{arxiv.2103.06641,
title = {Differentially Private Query Release Through Adaptive Projection},
author = {Sergul Aydore and William Brown and Michael Kearns and Krishnaram Kenthapadi and Luca Melis and Aaron Roth and Ankit Siva},
journal= {arXiv preprint arXiv:2103.06641},
year = {2021}
}