PriME：面向网络的隐私感知成员人格估计
统计方法学
2025-11-26 v2 社会与信息网络
统计理论
统计理论
摘要
本文提出了一种新方法，用于在保持单个边隐私的前提下，估计由度修正混合成员斯图克斯块模型（Degree Corrected Mixed Membership Stochastic Block Model）生成的网络顶点的社区成员概率。我们在 -边局部差分隐私框架下，引入一种基于对称边翻转机制和谱聚类实现精确顶点社区成员估计的优化私有算法。我们对估计风险进行了全面分析，通过提供匹配下限证明了该程序在隐私约束下的最小imax风险最优性。为验证我们的方法，数值仿真和实际数据应用表明其有效性。这一工作在网络数据分析中实现了准确的社区成员估计与严格隐私保护之间的平衡，是重要的进展。
引用
@article{arxiv.2406.02794,
title = {PriME: Privacy-aware Membership profile Estimation in networks},
author = {Abhinav Chakraborty and Sayak Chatterjee and Sagnik Nandy},
journal= {arXiv preprint arXiv:2406.02794},
year = {2025}
}