用于差分隐私主成分分析的 Wishart 机制

Wuxuan Jiang; Cong Xie; Zhihua Zhang

用于差分隐私主成分分析的 Wishart 机制

密码学与安全 2015-11-20 v2 数据结构与算法机器学习

作者: Wuxuan Jiang , Cong Xie , Zhihua Zhang

摘要

我们提出一种新的输入扰动机制用于发布协方差矩阵，以实现 $(\epsilon,0)$ -差分隐私。我们的机制使用 Wishart 分布来生成矩阵噪声。具体而言，我们将该机制应用于主成分分析。我们的机制能够保持所发布协方差矩阵的正半定性。因此，我们的方法产生了一种用于对称正半定矩阵输入扰动的通用发布框架。此外，与经典 Laplace 机制相比，我们的方法具有更好的效用保证。据我们所知，Wishart 机制是用于 $(\epsilon,0)$ -差分隐私 PCA 的最佳输入扰动方法。我们还将我们的工作与文献中先前的指数机制算法进行比较，并提供了近乎最优的界，同时具有更大的灵活性和更小的计算难解性。

关键词

差分隐私主成分分析输入扰动 Wishart 机制协方差矩阵正半定性效用保证

引用

@article{arxiv.1511.05680,
  title  = {Wishart Mechanism for Differentially Private Principal Components Analysis},
  author = {Wuxuan Jiang and Cong Xie and Zhihua Zhang},
  journal= {arXiv preprint arXiv:1511.05680},
  year   = {2015}
}

备注

A full version with technical proofs. Accepted to AAAI-16

用于差分隐私主成分分析的 Wishart 机制

摘要

关键词

引用

备注

相关论文