用于后验采样的 Rényi 差分隐私机制
机器学习
2017-10-04 v1 人工智能
密码学与安全
摘要
使用最近提出的隐私定义 Rényi 差分隐私（RDP），我们重新审视了从后验分布中释放单个样本所固有的隐私性。我们利用了先验分布在减轻单个数据点影响方面的作用。特别地，我们专注于从指数族和特定的广义线性模型（如逻辑回归）中进行采样。我们提出了新颖的 RDP 机制，并对现有方法提供了新的 RDP 分析，以增加 RDP 框架的价值。每种方法都能够实现任意的 RDP 隐私保证，并且我们提供了其有效性的实验结果。
引用
@article{arxiv.1710.00892,
title = {R\'enyi Differential Privacy Mechanisms for Posterior Sampling},
author = {Joseph Geumlek and Shuang Song and Kamalika Chaudhuri},
journal= {arXiv preprint arXiv:1710.00892},
year = {2017}
}
备注
to be published in NIPS 2017