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。
反復Bayes更新(IBU)と行列反転(INV)は,プライバシー保護機構の適用から生じる雑音データから元の分布を検索する主要な方法である。文献で確立されたIBUの基礎は,一般に典型的なデータセットで満足されないという仮定に依存するので,欠陥があることを示す。次に,異なるユーザが異なるプライバシー機構を適用することができるより一般的なプライバシーモデルをカバーする方法の拡張を提案した。一般化IBUに対してアルゴリズムGIBUを呼び出し,最大尤度推定への収束を証明し,問題仮定に頼らない証明を構築し,従ってIBUの理論を固定した。最後に,著者らは,k-RR,Rapor,ジオインディショナビリティ,および指数機構で衛生化されたデータに関するGIBUの精度を評価する。著者らは,GIBUとINVが最初の2つの事例で同等であるが,GIBUの性能は後者の場合で明らかに優れていることを示す。Copyright 2020 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】