引入用于差分隐私低秩矩阵补全的Huber机制
密码学与安全
2022-06-17 v1 机器学习
摘要
使用敏感用户数据执行低秩矩阵补全需要保护隐私的方法。在这项工作中，我们提出一种用于保护差分隐私的新型加噪机制，其噪声分布受鲁棒统计中著名的损失函数Huber损失启发。所提出的Huber机制在利用交替最小二乘法解决矩阵补全问题时与现有差分隐私机制进行了评估。我们还提出使用迭代重加权最小二乘算法来完成低秩矩阵，并研究了不同噪声机制在合成与真实数据集中的性能。我们证明所提机制实现了与拉普拉斯机制类似的{\epsilon}-差分隐私。此外，经验结果表明，Huber机制在某些情况下优于拉普拉斯和高斯机制，否则与之相当。
引用
@article{arxiv.2206.07910,
title = {Introducing the Huber mechanism for differentially private low-rank matrix completion},
author = {R Adithya Gowtham and Gokularam M and Thulasi Tholeti and Sheetal Kalyani},
journal= {arXiv preprint arXiv:2206.07910},
year = {2022}
}
备注
13 pages