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。
局所微分プライバシー(LDP)は,各ユーザのデータを局所的に摂動し,その情報をアグリゲータに送信するだけで,一般的なプライバシー保護データ収集機構である。LDPでは,データコレクタは元のデータへのアクセスなしに正確な統計を得ることができ,プライバシーを保証する。しかし,LDPの主要な欠点は,高次元空間でのその失望効用である。種々のLDPスキームが摂動を減らすために提案されているが,それらはコレクタの側で同じで単純な凝集機構を共有する。本論文では,まず,高次元空間におけるLDP機構の有用性を一般的に測定するための解析フレームワークを提唱し,いかなる実験も実行することなく,既存のLDP機構と将来のLDP機構をベンチマークできる。これに基づいて,このフレームワークは,ナイーブ凝集が高次元空間において準最適であり,改良のために多くの余地があることを明らかにした。これに動機づけられて,高次元平均推定のための再キャリブレーションプロトコルHDR4MEを提示し,それらに何らの変化なしに,既存のLDP機構の有用性を改善した。理論解析と広範な実験は,著者らのフレームワークとプロトコルの普遍性と有効性を確認した。【JST・京大機械翻訳】