惩罚MCMC在差分隐私中的应用
统计计算
2016-04-26 v1 统计方法学
摘要
我们在数据隐私背景下考察Ceperley和Dewing(1999)的惩罚算法，该算法是一种用于贝叶斯推断的马尔可夫链蒙特卡罗(MCMC)算法。具体地，我们研究惩罚算法的差分隐私并倡导将其用于数据隐私。我们展示了在独立观测的简单模型中，该算法具有随数据规模变化的良好收敛与隐私性质。我们还研究了两种特殊情况并针对这些情况提出了隐私保护方案：(i)数据分布在多个数据拥有者之间，这些拥有者有兴趣推断公共参数同时保护其数据隐私。(ii)数据似然属于指数族。
引用
@article{arxiv.1604.07177,
title = {On the Use of Penalty MCMC for Differential Privacy},
author = {Sinan Yıldırım},
journal= {arXiv preprint arXiv:1604.07177},
year = {2016}
}
备注
15 pages, 0 figures