来自指数机制、稀疏向量、噪声最大值及相关算法的免费间隔估计
数据库
2020-12-04 v1 密码学与安全
摘要
私有选择算法，如指数机制、噪声最大值和稀疏向量，用于从一组候选中选择条目（例如具有较大答案的查询），同时控制底层数据中的隐私泄露。此类算法作为更复杂的差分隐私算法的构建模块。在本文中，我们表明这些算法可以免费（即不额外产生隐私成本）释放与所选条目和其他候选之间间隔相关的附加信息。该免费间隔信息可将某些后续计数查询的准确率提高多达66%。我们从对这些算法的仔细隐私分析中获得这些结果。基于该分析，我们进一步提出了可动态节省额外隐私预算的新型混合算法。
引用
@article{arxiv.2012.01592,
title = {Free Gap Estimates from the Exponential Mechanism, Sparse Vector, Noisy Max and Related Algorithms},
author = {Zeyu Ding and Yuxin Wang and Yingtai Xiao and Guanhong Wang and Danfeng Zhang and Daniel Kifer},
journal= {arXiv preprint arXiv:2012.01592},
year = {2020}
}
备注
arXiv admin note: substantial text overlap with arXiv:1904.12773