Điểm:0

Tính toán mức độ riêng tư khác biệt cho bất kỳ thuật toán ngẫu nhiên nào

lá cờ ma

Gần đây tôi đã bắt đầu tìm hiểu về quyền riêng tư khác biệt cho dự án BTech của mình. Tôi hiểu rằng nó thêm tiếng ồn vào luồng đầu vào dựa trên mức độ riêng tư (giả sử $\epsilon$) và một chức năng truy vấn (giả sử $f$), để cung cấp quyền riêng tư cho tập dữ liệu đầu vào. Các tham số phân phối cho các tín hiệu nhiễu chỉ được tính toán dựa trên những điều này.

Bây giờ, giả sử, chúng ta có một thuật toán ngẫu nhiên thêm nhiễu vào tập dữ liệu đầu vào dựa trên mức độ riêng tư tương ứng của nó (giả sử $\pi$) và không xem xét bất kỳ hàm truy vấn nào trong quá trình tính toán của nó. Thuật toán chỉ cung cấp các giá trị nhiễu dựa trên công thức bảo mật của nó.

Bây giờ, nếu tôi chọn một chức năng truy vấn (giả sử chức năng tương tự $f$) và cố gắng lập mô hình các tín hiệu nhiễu của thuật toán ngẫu nhiên để tìm mức độ riêng tư khác biệt ($\epsilon$) của thuật toán ngẫu nhiên, liệu có thể thiết lập mối quan hệ giữa $\epsilon$$\pi$?

Sumana bagchi avatar
lá cờ ma
Mức độ riêng tư giúp xác định các tham số phân phối của tiếng ồn

Đăng câu trả lời

Hầu hết mọi người không hiểu rằng việc đặt nhiều câu hỏi sẽ mở ra cơ hội học hỏi và cải thiện mối quan hệ giữa các cá nhân. Ví dụ, trong các nghiên cứu của Alison, mặc dù mọi người có thể nhớ chính xác có bao nhiêu câu hỏi đã được đặt ra trong các cuộc trò chuyện của họ, nhưng họ không trực giác nhận ra mối liên hệ giữa câu hỏi và sự yêu thích. Qua bốn nghiên cứu, trong đó những người tham gia tự tham gia vào các cuộc trò chuyện hoặc đọc bản ghi lại các cuộc trò chuyện của người khác, mọi người có xu hướng không nhận ra rằng việc đặt câu hỏi sẽ ảnh hưởng—hoặc đã ảnh hưởng—mức độ thân thiện giữa những người đối thoại.