基于自归一化的在线局部差分隐私分位数推断
统计方法学
2023-08-08 v2
摘要
基于二元查询，我们开发了一种在局部差分隐私（LDP）下估计总体分位数的算法。通过自归一化，我们的算法提供渐近正态的估计与有效推断，从而得到紧致的置信区间，而无需估计 nuisance 参数。我们提出的方法可完全在线进行，带来高计算效率和 空间的最小存储需求。我们还通过优雅地应用高斯差分隐私（GDP）的一个中心极限定理，针对经常遇到的中位数估计问题证明了一个最优性结果。借助数学证明和大量数值测试，我们从理论和实验上均展示了算法的有效性。
引用
@article{arxiv.2306.10260,
title = {Online Local Differential Private Quantile Inference via Self-normalization},
author = {Yi Liu and Qirui Hu and Lei Ding and Bei Jiang and Linglong Kong},
journal= {arXiv preprint arXiv:2306.10260},
year = {2023}
}