On Privately Estimating a Single Parameter

要約

大規模なパラメトリックモデル内の個々のパラメーターについて、差次的にプライベート推定器を調査します。
一般的なプライベート推定器が存在しますが、推定器は、推定と安定性の新しいローカル概念に安定しており、これらの概念は、独自の安定性の個人証明書を提供する手順を可能にします。
これらのプライベート証明書を活用することにより、少なくともサンプルサイズで漸近的に、本質的にはっきりしないプライベート統計をリリースする計算的および統計的効率的なメカニズムを提供します。
さらに、シミュレートされたデータとアメリカのコミュニティ調査と米国国勢調査の実際のデータの両方におけるアルゴリズムの実用性を調査し、新しい手順が成功するシナリオを強調し、将来の仕事の領域を特定します。

要約(オリジナル)

We investigate differentially private estimators for individual parameters within larger parametric models. While generic private estimators exist, the estimators we provide repose on new local notions of estimand stability, and these notions allow procedures that provide private certificates of their own stability. By leveraging these private certificates, we provide computationally and statistical efficient mechanisms that release private statistics that are, at least asymptotically in the sample size, essentially unimprovable: they achieve instance optimal bounds. Additionally, we investigate the practicality of the algorithms both in simulated data and in real-world data from the American Community Survey and US Census, highlighting scenarios in which the new procedures are successful and identifying areas for future work.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google