中文

私有 PAC 学习蕴含有限的 Littlestone 维数

机器学习 2019-03-11 v3 人工智能 密码学与安全 逻辑 机器学习

摘要

我们证明了对于具有 Littlestone 维数 dd 的类 HH,每个近似差分私有学习算法(可能是不恰当的)都需要 Ω(log(d))\Omega\bigl(\log^*(d)\bigr) 个样本。作为推论,自然数集 N\mathbb{N} 上的阈值类不能以私有方式学习;这解决了 [Bun et al., 2015, Feldman and Xiao, 2015] 提出的开放问题。我们留下一个开放问题:是否每个具有有限 Littlestone 维数的类都能被近似差分私有算法学习。

关键词

引用

@article{arxiv.1806.00949,
  title  = {Private PAC learning implies finite Littlestone dimension},
  author = {Noga Alon and Roi Livni and Maryanthe Malliaris and Shay Moran},
  journal= {arXiv preprint arXiv:1806.00949},
  year   = {2019}
}

备注

STOC camera-ready version