利用线性回归现有技术的二阶矩矩阵差分隐私近似
数据结构与算法
2015-11-26 v2
摘要
我们介绍了三种差分隐私算法，用于近似数据的二阶矩矩阵。与现有算法不同，这些算法输出正定矩阵，对应于线性回归文献中的现有技术。具体而言，我们讨论以下三种技术。(i) 对于岭回归，我们提出设置正则化系数，从而通过使用约翰逊-林登斯特劳斯变换近似解来保持隐私。(ii) 我们展示向数据中添加一小批随机样本可保持差分隐私。(iii) 我们展示从贝叶斯后验逆威沙特分布中采样二阶矩矩阵是差分隐私的，前提是先验设置正确。我们还通过实验评估了我们的技术，并将其与 Dwork 等人的现有“Analyze Gauss”算法进行了比较。
引用
@article{arxiv.1507.00056,
title = {Private Approximations of the 2nd-Moment Matrix Using Existing Techniques in Linear Regression},
author = {Or Sheffet},
journal= {arXiv preprint arXiv:1507.00056},
year = {2015}
}