Duff：一种用于指数机制的基于数据集距离的效用函数族
密码学与安全
2021-01-25 v2 机器学习
摘要
我们提出并分析了一种通用的基于数据集距离的效用函数族Duff，用于差分隐私的指数机制。给定特定数据集与某一统计量（例如中位数、众数），该函数族根据为使该统计量取值为o而必须向数据集中添加或从中移除的个体数量，为可能输出o分配效用。我们证明，基于Duff的指数机制相较于现有的基于平滑灵敏度的差分隐私机制，通常能对统计量的真实值提供可证明的更高保真度。特别地，Duff对下述开放问题给出了肯定回答：是否存在一种噪声分布，其方差与平滑灵敏度成正比，且尾部以快于多项式的速率衰减。我们在文末对Duff在计算中位数任务中的实际优势进行了实证评估。
引用
@article{arxiv.2010.04235,
title = {Duff: A Dataset-Distance-Based Utility Function Family for the Exponential Mechanism},
author = {Andrés Muñoz Medina and Jenny Gillenwater},
journal= {arXiv preprint arXiv:2010.04235},
year = {2021}
}