文献

J-GLOBAL ID：201902269233503332   整理番号：19A2402866

ランダム混合を用いた差分プライベートデータセットの合成【JST・京大機械翻訳】

Synthesizing Differentially Private Datasets using Random Mixing

著者 (5件)： Lee Kangwook (School of EE, KAIST) ,  Kim Hoon (School of EE, KAIST) ,  Lee Kyungmin (School of EE, KAIST) ,  Suh Changho (School of EE, KAIST) ,  Ramchandran Kannan (Dept. of EECS, UC Berkeley)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ISIT  ページ： 542-546  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 差別的に個人的なデータ出版の目標は,効率的な学習を可能にする一方で,そのプライバシーを確実にすることができるように,修正されたデータセットをリリースすることである。筆者らは,ランダムに選択されたデータ点を混合することにより,放出されたデータセットが形成され,それらを付加雑音で摂動する新しいデータ出版アルゴリズムを提案した。著者らのプライバシー解析により,‘‘の増加とともに,より小さい分散を持つ雑音は,目標プライバシーレベルを達成するのに十分であることを示した。著者らのアルゴリズムの有用性を定量化するために,著者らは著者らの合成データセットで訓練された予測モデルの精度を採用し,それはデータセットの有用性を呼ぶ。著者らのデータセットの有用性を評価することにより,線形および非線形予測モデルの両方を学習することができることを示し,それらが合理的に良好な予測精度をもたらすことを示した。特に,要求されるプライバシーレベルを与えられた予測精度を最大化するか,あるいはその逆の場合には,‘点が存在することを示した。また,目標プライバシーレベルを与えることにより,既存のデータ公開アルゴリズムにより生成された他のデータセットよりも高い効用を達成できることを示した。Copyright 2019 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】

シソーラス用語： 雑音 ,  *プライバシー ,  線形性 ,  予測モデル ,  アルゴリズム
準シソーラス用語： 予測精度 ,  非線形予測 ,  差別 , 【Automatic Indexing@JST】

分類 (2件)： データ保護  (JD01020V) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： 差分 ,  データセット