局部差分隐私等价于 $E_\gamma$-散度的收缩
信息论
2023-02-12 v1 机器学习
math.IT
机器学习
摘要
我们通过随机隐私机制的收缩性质来研究其局部差分隐私（LDP）保证。我们首先证明 LDP 约束可以等价地表示为 -散度的收缩系数。然后我们利用这一等价公式，将隐私机制的 LDP 保证用任意 -散度的收缩系数来表达。当与标准估计理论工具（如 Le Cam 和 Fano 的逆方法）结合时，该结果使我们能够在若干检验、极小极大和贝叶斯估计问题中研究隐私与效用之间的权衡。
引用
@article{arxiv.2102.01258,
title = {Local Differential Privacy Is Equivalent to Contraction of $E_\gamma$-Divergence},
author = {Shahab Asoodeh and Maryam Aliakbarpour and Flavio P. Calmon},
journal= {arXiv preprint arXiv:2102.01258},
year = {2023}
}
备注
arXiv admin note: text overlap with arXiv:2012.11035