- Полностью адаптивная композиция для дифференциальной защиты по Гауссу(arXiv)
Автор: Адам Смит, Абхрадип Тхакурта
Аннотация: мы показываем, что гауссовская дифференциальная конфиденциальность, вариант дифференциальной конфиденциальности, адаптированный к анализу добавления гауссовского шума, изящно комбинируется даже в присутствии полностью адаптивного аналитика. Такой аналитик выбирает механизмы (для запуска на наборе конфиденциальных данных) и их бюджеты конфиденциальности адаптивно, то есть на основе ответов от других механизмов, ранее запущенных на том же наборе данных. На языке Роджерса, Рота, Ульмана и Вадхана это дает фильтр ВВП с теми же параметрами, что и для неадаптивного состава.
2.Создание синтетического текста с дифференциальной конфиденциальностью: простой и практичный рецепт(arXiv)
Автор:Сян Юэ, Хусейн А. Инан, Сюэчен Ли, Гириш Кумар, Джулия МакЭналлен, Хуан Сун, Дэвид Левитан, Роберт Сим
Аннотация: Сян Юэ, Хусейн А. Инан, Сюэчен Ли, Гириш Кумар, Джулия Макэналлен, Хуан Сун, Дэвид Левитан, Роберт Сим
Аннотация: вопросы конфиденциальности привлекают все большее внимание к продуктам и услугам, основанным на данных. Действующее законодательство запрещает произвольную обработку персональных данных, полученных от физических лиц. Создание синтетических версий таких данных с официальной гарантией конфиденциальности, такой как дифференциальная конфиденциальность (DP), считается решением проблемы конфиденциальности. В этом направлении мы показываем простой, практичный и эффективный рецепт в текстовой области: простая настройка генеративной языковой модели с помощью DP позволяет нам генерировать полезный синтетический текст, уменьшая при этом проблемы конфиденциальности. Благодаря обширному эмпирическому анализу мы демонстрируем, что наш метод создает синтетические данные, которые конкурентоспособны с точки зрения полезности с их неконфиденциальными аналогами и в то же время обеспечивают надежную защиту от потенциальных утечек конфиденциальности.
3. Потоковая субмодульная максимизация с дифференциальной конфиденциальностью(arXiv)
Автор: Анамай Чатурведи, Хуи Ле Нгуен, Тай Нгуен
Аннотация: в этой работе мы изучаем проблему частной максимизации субмодулярной функции в потоковой настройке. Была проделана обширная работа по частной максимизации подмодульных функций в общем случае, когда функция зависит от частных данных индивидуумов. Однако, когда размер потока данных, извлекаемого из области целевой функции, велик или поступает очень быстро, необходимо в частном порядке оптимизировать цель в рамках ограничений настройки потоковой передачи. Мы устанавливаем фундаментальные дифференциально частные базовые линии для этой проблемы, а затем выводим лучшие компромиссы между конфиденциальностью и полезностью для особого случая разложимых субмодульных функций. Субмодулярная функция разложима, если ее можно записать в виде суммы субмодулярных функций; эта структура возникает естественным образом, когда каждая функция слагаемых моделирует полезность отдельного человека, а цель состоит в том, чтобы изучить общую полезность всего населения, как в известной комбинаторной задаче общественных проектов. Наконец, мы дополняем наш теоретический анализ экспериментальным подтверждением.
