Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
본 논문은 Rènyi 발산 기반의 차분 프라이버시를 다루며, 특히 가우시안 설정을 벗어난 경우 계산의 어려움을 해결하는 데 초점을 맞춥니다. 에스코트 분포와 커널 Stein 불일치를 활용하여 태스크 인식(task-aware) Rènyi 차분 프라이버시에 대한 증명서를 제공합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.LG (Machine Learning)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기Rènyi 발산(divergence)에 기반한 Rènyi 차분 프라이버시(differential privacy)는 선택적인 프라이버시 보장 개념이 되었습니다. 하지만 가우시안 설정(Gaussian setting)을 벗어난 경우, Rènyi 발산을 계산하기 어려울 수 있습니다. 특히, Rènyi Pufferfish 프라이버시와 같이 태스크별 정보를 활용하는 Rènyi 차분 프라이버시 보장은 까다로울 수 있습니다. 본 논문에서는 에스코트 분포(escort distributions)에 기반한 커널 Stein 불일치(kernel Stein discrepancies)를 사용하여 Rènyi 차분 프라이버시에 대한 증명서(certificates)를 제공합니다. 커널을 관련성 있는 프라이버시 방향에 집중하도록 설계함으로써, 태스크 인식 프라이버시 증명서도 도출합니다. 우리는 가우시안 메커니즘과 라플라스 메커니즘에 대해 정확한 항등식(exact identities)을, 지수(exponential) 메커니즘에 대해서는 경계(bounds)를 제공하며, 각각 태스크 인식 보장을 제시합니다. 실제 데이터셋 예시는 보호되는 비교 집합(protected comparison set)과 공개된 부분 공간(released subspace)이 결과적인 증명서를 어떻게 공동으로 결정하는지 보여줍니다.