基于差分隐私合成数据的噪声感知统计推断

Ossi Räisä; Joonas Jälkö; Samuel Kaski; Antti Honkela

基于差分隐私合成数据的噪声感知统计推断

机器学习 2023-02-27 v3 密码学与安全机器学习

作者: Ossi Räisä , Joonas Jälkö , Samuel Kaski , Antti Honkela

摘要

尽管在差分隐私(DP)下生成合成数据已在数据隐私领域受到大量关注,对合成数据的分析却少得多。已有工作表明,简单地将 DP 合成数据当作真实数据分析,无法对总体层面量产生有效推断。例如,置信区间变得过窄,我们通过一个简单的实验加以证明。我们通过将多重插补(MI)领域的合成数据分析技术与使用噪声感知(NA)贝叶斯建模的合成数据生成相结合,构建了一条名为 NA+MI 的流水线,从而能够从 DP 合成数据计算总体层面量的准确不确定性估计。为了利用边际查询的值实现离散数据生成的 NA+MI,我们基于最大熵原理开发了一种新颖的噪声感知合成数据生成算法 NAPSU-MQ。我们的实验表明,该流水线能够从 DP 合成数据产生准确的置信区间。随着隐私保护增强,区间变宽以准确捕捉由 DP 噪声带来的额外不确定性。

关键词

差分隐私合成数据多重插补噪声感知贝叶斯建模不确定性估计置信区间最大熵

引用

@article{arxiv.2205.14485,
  title  = {Noise-Aware Statistical Inference with Differentially Private Synthetic Data},
  author = {Ossi Räisä and Joonas Jälkö and Samuel Kaski and Antti Honkela},
  journal= {arXiv preprint arXiv:2205.14485},
  year   = {2023}
}

备注

24 pages, 14 figures

基于差分隐私合成数据的噪声感知统计推断

摘要

关键词

引用

备注

相关论文