私有联邦频率估计：适应问题实例难度的自适应方法
数据结构与算法
2023-12-05 v2 机器学习
摘要
在联邦频率估计（FFE）中，多个客户端通过与遵循安全求和（SecSum）隐私约束的服务器通信来协作估计其集体数据的频率，SecSum 是一种加密多方计算协议，确保服务器只能访问客户端持有向量的和。对于单轮 FFE，已知计数草图在达成基本精度–通信权衡方面近乎信息论最优 [Chen et al., 2022]。然而，我们表明在更实用的多轮 FFE 设定下，计数草图的简单改编严格次优，并提出了一种被证明更精确的新型混合草图算法。我们还解决了以下基本问题：实践者应如何设定草图大小以自适应底层问题的难度？我们提出了一种两阶段方法，允许对较简单的问题（例如近稀疏或轻尾分布）使用更小的草图大小。我们通过展示如何将差分隐私添加到我们的算法中，并在大规模数据集上进行的广泛实验验证其优越性能，来结束本文的工作。
引用
@article{arxiv.2306.09396,
title = {Private Federated Frequency Estimation: Adapting to the Hardness of the Instance},
author = {Jingfeng Wu and Wennan Zhu and Peter Kairouz and Vladimir Braverman},
journal= {arXiv preprint arXiv:2306.09396},
year = {2023}
}
备注
NeurIPS 2023 camera ready version