差分隐私下最小 $s$-$t$ 割与多路割的近乎紧确界
数据结构与算法
2023-12-29 v1
摘要
在图中寻找最小 - 割是一种基础算法工具，应用于图像分割、社区发现、强化学习和数据聚类等领域。在该问题中，给定两个节点作为端点，目标是从图中移除最少数量的边以使这两个端点断开连接。我们研究了最小 - 割问题的差分隐私复杂性，并展示了近乎紧确的下界和上界，我们在实现隐私保护的同时未牺牲运行时间效率。我们还开发了一种用于多路 割问题的差分隐私算法，该问题中给定 个节点作为希望断开的端点。作为 的函数，我们获得的隐私保证比将高级组合定理应用于已知的多路 割算法要高效指数级。最后，我们对差分隐私最小 - 割算法的近似效果进行了实证评估，结果显示其输出质量几乎与非隐私算法相当。
引用
@article{arxiv.2312.16370,
title = {Nearly Tight Bounds For Differentially Private Min $s$-$t$ and Multiway Cut},
author = {Mina Dalirrooyfard and Slobodan Mitrović and Yuriy Nevmyvaka},
journal= {arXiv preprint arXiv:2312.16370},
year = {2023}
}