基于局部差分隐私的随机点积图信号恢复
机器学习
2025-04-25 v1 统计理论
机器学习
统计理论
摘要
我们考虑在-边缘局部差分隐私下从图中恢复潜在信息的問題，其中两个用户/顶点之间是否存在关系/边 remains confidential，即使来自数据 curator 也是如此。对于广义随机点积图的类，我们展示，标准的局部差分隐私机制会在潜在位置中引入特定的几何畸变。借助此洞察，我们表明，通过对隐私化图进行适当调整的统计推断程序可实现潜在位置的一致恢复。此外，我们证明了该程序在局部边缘差分隐私约束下几乎是最小最大最优的。最后，我们表明该框架允许从潜在位置所编码的其持久图中恢复几何和拓扑信息。我们的結果將之前的私有社区检测文獻的工作扩展到 substantially 更丰富的模型和推断任务。
引用
@article{arxiv.2504.17274,
title = {Signal Recovery from Random Dot-Product Graphs Under Local Differential Privacy},
author = {Siddharth Vishwanath and Jonathan Hehir},
journal= {arXiv preprint arXiv:2504.17274},
year = {2025}
}