プライベートアウトソーシングBayes最適化【JST・京大機械翻訳】

Kharkovskii Dmitrii; Dai Zhongxiang; Low Bryan Kian Hsiang

プレプリント

J-GLOBAL ID：202202206318335216 整理番号：22P0203625

プライベートアウトソーシングBayes最適化【JST・京大機械翻訳】

Private Outsourced Bayesian Optimization

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2020年10月24日プレプリントサーバーでの情報更新日： 2020年10月24日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

本論文は,証明可能な性能保証を有するアウトソース設定におけるプライバシー保護Bayes最適化(BO)のための最初のアルゴリズムである,私的アウトソース-Gaussプロセス-上位信頼限界(PO-GP-UCB)アルゴリズムを提示した。データセットを保持しているエンティティとBOを実行するエンティティが,異なる関係者によって表現され,データセットは,非プライベートに放出できない。例えば,病院は,敏感な医療記録のデータセットを保持し,このデータセットのBOタスクを産業AI企業にアウトソーシングする。著者らのアプローチの鍵となるアイデアは,元のデータセットを用いた非プライベートGP-UCBランのそれと類似の著者らのアルゴリズムのBO性能を作ることであり,これはプライバシーと入力間のペアワイズ距離の両方を保存するランダム投影ベース変換を用いて達成される。著者らの主要な理論的貢献は,標準GP-UCBアルゴリズムのそれと類似のレグレットがPO-GP-UCBアルゴリズムのために確立できることを示した。合成および実世界データセットによるPO-GP-UCBアルゴリズムの性能を経験的に評価した。【JST・京大機械翻訳】

, , , , , ,
, , , 【Automatic Indexing@JST】

データ保護

前のページに戻る