跨多方持有的数据间非线性相关性的隐私测量
机器学习
2021-11-10 v2 密码学与安全
统计计算
机器学习
摘要
我们引入一种差分隐私方法，用于测量分布于两个实体间的敏感数据之间的非线性相关性。我们给出了私有估计量的效用保证。据我们所知，这是多方可设场景下首个此类非线性相关性的私有估计量。我们所考虑的重要非线性相关性度量为距离相关性。除探索性数据分析外，本工作可直接应用于私有特征筛选、私有独立性检验、私有 k-样本检验、私有多方因果推断以及私有数据合成。代码获取：补充文件中提供了公开访问代码的链接。
引用
@article{arxiv.2110.09670,
title = {Private measurement of nonlinear correlations between data hosted across multiple parties},
author = {Praneeth Vepakomma and Subha Nawer Pushpita and Ramesh Raskar},
journal= {arXiv preprint arXiv:2110.09670},
year = {2021}
}