本地差分隐私下的一轮 k-Means 聚类
数据结构与算法
2021-05-18 v2 密码学与安全
机器学习
摘要
我们给出了差分隐私(DP)本地模型(亦称非交互式)中 k-means 聚类的近似算法。该算法达到任意接近最佳非私有近似算法的近似比,改进了先前仅保证较大(常数)近似比的已知算法。此外,这是首个在本地 DP 模型中仅需一轮通信的 k-means 常数因子近似算法,正面解决了 Stemmer (SODA 2020) 的一个开放问题。我们的算法框架相当灵活;我们通过展示它也在(一轮)shuffle DP 模型中产生类似的近最优近似算法来说明这一点。
引用
@article{arxiv.2104.09734,
title = {Locally Private k-Means in One Round},
author = {Alisa Chang and Badih Ghazi and Ravi Kumar and Pasin Manurangsi},
journal= {arXiv preprint arXiv:2104.09734},
year = {2021}
}
备注
35 pages. To appear in ICML'21