信息约束下的推断 III：本地隐私约束
数据结构与算法
2021-01-21 v1 密码学与安全
离散数学
统计理论
统计理论
摘要
我们研究在样本分布于多个用户之上的设定中离散分布的良好拟合与独立性检验。用户希望在保护其数据隐私的同时使中心服务器能够执行检验。在本地差分隐私概念下，针对非交互设定（用户可能共享或不共享公共随机种子）中的这两个问题，我们提出简单、样本最优且通信高效的协议。特别地，我们表明共享（公共）随机性的可用性极大降低了样本复杂度。我们的公共硬币协议背后是隐私保护映射，将其应用于样本时可最小化各自概率分布之间的距离收缩。
引用
@article{arxiv.2101.07981,
title = {Inference under Information Constraints III: Local Privacy Constraints},
author = {Jayadev Acharya and Clément L. Canonne and Cody Freitag and Ziteng Sun and Himanshu Tyagi},
journal= {arXiv preprint arXiv:2101.07981},
year = {2021}
}
备注
To appear in the Special Issue on Privacy and Security of Information Systems of the IEEE Journal on Selected Areas in Information Theory (JSAIT), 2021. Journal version of the AISTATS'19 paper "Test without Trust: Optimal Locally Private Distribution Testing" (arXiv:1808.02174), which it extends and supersedes