差分プライバシーのシャッフルモデルにおけるベクトル値メッセージの集約と変換【JST・京大機械翻訳】

Scott Mary; Cormode Graham; Maple Carsten

プレプリント

J-GLOBAL ID：202202207949547564 整理番号：22P0282426

差分プライバシーのシャッフルモデルにおけるベクトル値メッセージの集約と変換【JST・京大機械翻訳】

Aggregation and Transformation of Vector-Valued Messages in the Shuffle Model of Differential Privacy

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： 2022年01月31日プレプリントサーバーでの情報更新日： 2022年01月31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)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

通信,貯蔵および計算技術の進歩は,分散装置によって収集され,処理される大量のデータを可能にする。これらのエンドポイントからの情報を結合することは,重要な社会的利益を実現することができるが,個人のプライバシー保護における課題,特にますます規制された世界で重要である。微分プライバシー(DP)は,集約と放出のための厳密で証明可能なプライバシー保証を提供する技術である。DPのためのシャッフルモデルを導入し,局所DPアルゴリズムの精度と中央DPのプライバシーリスクに関する課題を克服した。本研究では,シャッフルモデルの文脈におけるベクトル凝集の新しいプロトコルを導入した。本論文の目的は2倍である;最初に,著者らは,先進組成結果を用いて,シャッフルモデルにおける実ベクトルの加算のための単一メッセージプロトコルを提供した。第二に,離散Fourier変換の実装を通して,このプロトコルを用いて達成された誤差に関する改良を提供し,それによって,変換自体を通して精度の損失を犠牲にして初期誤差を最小化する。本研究は,この文脈において,行列や高次元テンソルのようなより洗練された構造の探査をさらに行い,両者はベクトルケースの機能性に依存する。【JST・京大機械翻訳】

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

データ保護

, , ,

前のページに戻る