近普适差分隐私最小生成树
密码学与安全
2024-04-24 v1 数据结构与算法
摘要
制定具有良好超最坏情况输入依赖性绩效的机制是差分隐私领域的重要关注点，已发展出光滑敏感性、提议-发布或逆向敏感性等技术以实现此目标。这使得使用差分隐私中的普适最优性概念非常自然。普适最优性是加权图上一种强实例特定最优性保证，大致表明对于任何固定的(无权)图，算法在最坏情况意义下对于可能的边权设置都是最优的。在本文中，我们给出差分隐私中首个此类结果。也就是说，我们证明了用于近似释放最小生成树的简单差分隐私机制在邻域关系下在普适最优性意义上是近似最优的。此前仅知此机制在最坏情况下的近似最优性。随后我们关注邻域关系，该机制在此情形下并非最优。我们展示了如何在多项式时间内实现最小生成树的指数机制，并表明这会导致该机制在和邻域关系下均实现普适近似最优。
引用
@article{arxiv.2404.15035,
title = {Near-Universally-Optimal Differentially Private Minimum Spanning Trees},
author = {Richard Hladík and Jakub Tětek},
journal= {arXiv preprint arXiv:2404.15035},
year = {2024}
}