扰动 M-估计：差分隐私中稳健统计的进一步研究
密码学与安全
2021-08-19 v1 统计理论
应用统计
统计方法学
统计理论
摘要
差分隐私（DP）为在任意敌手存在下定义可证明披露风险提供了优雅的数学框架；它保证无论个体是否在数据库中，DP 程序的结果在其概率分布上应相似。尽管 DP 机制在保护隐私上可证明有效，它们常对来自这些机制的查询响应、统计和/或分析的效用产生负面影响。为解决此问题，我们借助稳健统计领域的思想，该领域旨在减少异常观测对统计推断的影响。基于差分隐私与稳健统计间已知的初步联系，我们通过使用一个新的有界函数修改目标扰动机制，并定义具有适当统计性质的有界 M-估计量。所得隐私机制命名为“扰动 M-估计”，其初步结果显示出在输出统计效用改进方面的重要潜力。这些结果进而支持进一步研究将稳健统计工具用于差分隐私的必要性。
引用
@article{arxiv.2108.08266,
title = {Perturbed M-Estimation: A Further Investigation of Robust Statistics for Differential Privacy},
author = {Aleksandra Slavkovic and Roberto Molinari},
journal= {arXiv preprint arXiv:2108.08266},
year = {2021}
}