稀疏图的私有 Graphon 估计
统计理论
2015-06-23 v1 密码学与安全
数据结构与算法
统计理论
摘要
我们设计了用于将高维统计模型拟合到大型稀疏网络而不泄露个体成员敏感信息的算法。给定稀疏输入图 ，我们的算法输出一个节点差分隐私的非参数块模型近似。所谓节点差分隐私，是指我们的输出隐藏了某个顶点的插入或删除及其所有相邻边。如果 是由以 graphon 定义的生成式非参数模型得到的网络实例，我们的模型保证一致性，即随着顶点数量趋于无穷，算法输出在适当的 范数意义下收敛于 。特别地，这意味着我们可以估计 中所有多路割的大小。只要 有界、 的平均度至少以顶点数的对数速度增长、且块数以至适当速率趋于无穷，我们的结果就成立。我们根据模型参数给出了显式误差界；在几种设定下，我们的界改进或匹配了已知的非私有结果。
引用
@article{arxiv.1506.06162,
title = {Private Graphon Estimation for Sparse Graphs},
author = {Christian Borgs and Jennifer T. Chayes and Adam Smith},
journal= {arXiv preprint arXiv:1506.06162},
year = {2015}
}
备注
36 pages