约束差分隐私的两种视角：信念修正与信念更新
密码学与安全
2023-03-02 v1 机器学习
摘要
在本文中，我们提供约束差分隐私 (DP) 机制的两种视角。第一种是作为信念修正。约束 DP 机制通过标准概率条件化获得，因此可自然地由 Monte Carlo 算法实现。另一种是作为信念更新。约束 DP 根据 l2 距离最小化后处理或投影来定义，因此可自然地由优化算法实现。这两种视角的主要优势在于，我们可以充分利用信念修正与更新的理论工具来展示约束差分隐私的基本性质，尤其是一些重要的新组合性质。在本文建立的框架下，文献中的约束 DP 算法可被归类为信念修正或信念更新。在文末，我们展示了它们在若干场景中的差异，尤其是在效用方面。
引用
@article{arxiv.2303.00228,
title = {Two Views of Constrained Differential Privacy: Belief Revision and Update},
author = {Likang Liu and Keke Sun and Chunlai Zhou and Yuan Feng},
journal= {arXiv preprint arXiv:2303.00228},
year = {2023}
}
备注
23 pages, 3 figures