基于 Knockoff 滤波器的差分隐私变量选择
机器学习
2022-02-01 v3 密码学与安全
数据库
信息论
机器学习
math.IT
摘要
由 Barber 和 Candes 近期提出的 knockoff 滤波器是一种以受控错误发现率（FDR）执行变量选择的有效方法。我们通过引入高斯机制和拉普拉斯机制提出了 knockoff 滤波器的隐私版本，并证明了可以实现受控 FDR 的变量选择。模拟实验表明我们的设定具有合理的统计功效。
引用
@article{arxiv.2109.05402,
title = {Differentially Private Variable Selection via the Knockoff Filter},
author = {Mehrdad Pournaderi and Yu Xiang},
journal= {arXiv preprint arXiv:2109.05402},
year = {2022}
}
备注
Accepted to the 2021 IEEE International Workshop on Machine Learning for Signal Processing (MLSP)