下采样Rényi差分隐私与分析矩会计
机器学习
2018-12-05 v2 密码学与安全
机器学习
摘要
我们研究差分隐私（DP）中的下采样问题，该问题是许多成功差分隐私机器学习算法的核心。具体而言，针对以下算法： (1) 对数据集进行下采样，然后 (2) 对子样本应用随机机制M，我们根据M的Rényi差分隐私（RDP）参数与下采样概率参数，给出了其RDP参数的紧上界。我们的结果将Abadi等人（2016）针对高斯机制发展的矩会计技术推广至任意下采样RDP机制。
引用
@article{arxiv.1808.00087,
title = {Subsampled R\'enyi Differential Privacy and Analytical Moments Accountant},
author = {Yu-Xiang Wang and Borja Balle and Shiva Kasiviswanathan},
journal= {arXiv preprint arXiv:1808.00087},
year = {2018}
}