所有合理参数机制下高斯协方差矩阵私有估计的下界
数据结构与算法
2024-04-30 v1 密码学与安全
机器学习
机器学习
摘要
我们证明了私有估计高斯分布协方差矩阵所需样本数的下界。在最广为人知的参数设置下，我们的界与现有的上界相匹配。我们的分析依赖于 Stein-Haff 恒等式，这是在先前指纹引理论证中使用的经典 Stein 恒等式的扩展。
引用
@article{arxiv.2404.17714,
title = {Lower Bounds for Private Estimation of Gaussian Covariance Matrices under All Reasonable Parameter Regimes},
author = {Victor S. Portella and Nick Harvey},
journal= {arXiv preprint arXiv:2404.17714},
year = {2024}
}
备注
27 pages, preprint