抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
総和(計数)による分散データ集約は,生データの背後にある洞察を学習するのに役立った。しかしながら,そのようなコンピューティングは,不正な共lu攻撃の高いプライバシーリスクを被った。すなわち,共adverする敵は,集合出力とそれらのソースデータの間のギャップから,犠牲者のプライバシーを推論する。そのような共col攻撃に対する解決策の中で,分散微分優先権(DDP)はプライバシー保護の有意な効果を示す。具体的には,DDP方式は,各データカーレータの端における局所微分プライバシーを確実にすることにより,グローバルな差動プライバシー(データカーレータの存在または不在が集約出力にほとんど影響を与えない)を保証する。悪意のある共lu攻撃に対する分散データ集約システムの全体的なプライバシー性能を保証するために,そのようなDDP方式に関する既存の研究の一部は,グローバルな差動プライバシーに対するプライバシー予算の推定下限を提供することを目的とした。しかしながら,2つの主要な問題がある。すなわち,大きなグローバル関数感度を用いることからの低いデータユーティリティ;全システムの凝集感度がデータカーレータの凝集感度の和より小さいとき,未知のプライバシー保証が保証される。これらの問題に対処するために,分散微分プライバシーを保証しながら,著者らは,全体の分散システムの無条件集約感度で動作するプライバシー予算の新しい下限を提供した。さらに,データ更新の異なるシナリオにおけるプライバシー限界の性能を研究した。理論的および実験的評価の両方は,著者らのプライバシー限界が既存の研究より良いグローバルプライバシー性能を提供することを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】
