差分隐私学习笔记
文章平均质量分 89
初初入门,处处需扫盲。
小小咸鱼也要努力的
这个作者很懒,什么都没留下…
展开
-
RAPPOR_SPM
Google的RAPPOR算法可谓经典,本次分享为:2016年提出的The Segment Pairs Method (SPM)算法适用于:1)字典集未知,2)联合分布计算的情况相较频率估计同样会更加使用与Heavy Hitter论文链接:Giulia Fanti - Building a RAPPOR with the Unknown视频链接如下为ppt记录...原创 2021-12-30 17:11:49 · 666 阅读 · 0 评论 -
Manipulation Attacks in LDP
Manipulation Attacks in Local Differential Privacy有史以来读过的最艰难的一篇论文,截至目前仍未完全明白,该论文十分具有创新性,揭示了LDP的巨大缺陷,并通过数学分析给予了详细证明链接: Manipulation Attacks in Local Differential Privacy.概要: 文章提出 针对非交互式的 本地的差分隐私机制十分容易受到manipulate attack当 隐私预算较低、 或输入域较大时,manipulate 攻击可以原创 2021-12-29 15:12:35 · 2780 阅读 · 0 评论 -
Federated Heavy Hitters Discovery with Differential Privacy(差分隐私联邦的频繁项估计)
Federated Heavy Hitters Discovery with Differential Privacy链接: Federated Heavy Hitters Discovery with Differential Privacy.1. Introduction该文献主要是借用联邦学习的思想,来均衡LDP和CDP中效用的隔阂。另外 该论文实现差分隐私的方式不同于以往的RR 或是 加噪,而是通过抽样。文中提出的算法与联邦学习的联系与区别:没有针对原始数据的收集大规模得到分布式用户原创 2021-12-19 17:34:28 · 444 阅读 · 0 评论 -
Frequency Estimation in Local and Multiparty Differential Privacy
Frequency Estimation in Local and Multiparty Differential Privacy此为Graham Cormode在ICLR2021上的讲座笔记,由于对这块尚未开始研究,内容有待校正,建议观看原视频。LDP部分参考论文MDP部分参考论文本次讲座主要介绍在Frequency Estimation 上的两种差分隐私机制:Local differential privacy 和 multiparty differential privacy在LDP中重要原创 2021-12-06 20:20:42 · 395 阅读 · 0 评论 -
On Deep Learning with Label Differential Privacy 深度学习中的本地差分隐私技术的应用和改进
On Deep Learning with Label Differential Privacy链接: (1) Ghazi, B.; Golowich, N.; Kumar, R.; Manurangsi, P.; Zhang, C. On Deep Learning with Label Differential Privacy. arXiv preprint arXiv:2102.06062 2021..这里写目录标题On Deep Learning with Label Differential原创 2021-11-15 16:34:14 · 4697 阅读 · 1 评论 -
RAPPOR 微微学习
RAPPOR: Utilizing Large-Scale RAndomized Response at Google参考视频源码1. 背景希望收集用户使用的默认主页和搜索引擎,但同时不涉及用户的个人隐私Metaphor for RAPPORMona lisa 举例一副图像由多个独立的信息组成,就如同我们的统计信息来自于多个独立的统计个体如果不加以噪声,可能会导致隐私问题对信息添加噪声:每一位按照25%的概率翻转但是对所有信息聚合,我们仍能得到近似的聚合结果,即mona lisa原创 2021-11-13 22:02:02 · 1336 阅读 · 0 评论 -
Locally Differential Private Frequency Estimation with Consistency: LDP的主流后处理算法
Locally Differential Private Frequency Estimation with Consistency目录Locally Differential Private Frequency Estimation with Consistency1. INTRODUCTION国内外研究现状:利用先验知识引入bias偏差实验2. PROBLEM SETTING3. FREQUENCY ORACLE PROYOCOLS3.1 Generalized Random Response ——G原创 2021-11-08 22:19:06 · 3107 阅读 · 1 评论 -
Calibrate: LDP via Incorporating Prior Knowledge
Calibrate: Frequency Estimation and Heavy Hitter Identification with Local Differential Privacy via Incorporating Prior Knowledge论文链接.目前一些前沿的后处理算法(比如实现frequency consistency)都要运用到本章节 的知识,可以作为一个补充和前导知识阅读论文主要内容:本文旨在利用两个先验知识:频率估计的噪声的先验知识真实频率的先验知识将上述两原创 2021-11-07 21:18:37 · 225 阅读 · 0 评论 -
Frequency Estimation & Heavy Hitter under Local Differential Privacy的一些重要组件
Frequency Estimation under Local Differential Privacy该论文是一个综述类(survey)文章,主要介绍了一个 公共框架——将各种不同的LDP协议放入其中,并通过实验分析了不同实现选择之间的权衡。该文主要对LDP一些常用的组件进行了介绍,并对他们的效用进行实验证明。参考文献: (1) Cormode, G.; Maddock, S.; Maple, C. Frequency Estimation under Local Differential Pri原创 2021-10-30 22:22:52 · 3271 阅读 · 0 评论 -
Locally Differentially Private Protocols for Frequency Estimation
本文相对上一篇Locally Differential for Frequency Estimation 的主要区别在于: Wang et al.针对频率估计了一个抽象框架 **Pure Protocol** ,用于概括之前的几种LDP协议,并帮助优化LDP协议。原创 2021-10-25 10:56:08 · 1392 阅读 · 2 评论 -
Locally Differential for Frequency Estimation
Frequency Estimation LDP针对频率估计的本地差分隐私机制1. Preliminary1.1 LDP & CDP 本地差分隐私机制&中心化差分隐私机制1.1.1 Central model 中心化模型每个客户端发送原始数据到可信任的第三方服务器,第三方服务器进行DP计算先运算,再加噪(计算查询结果,再进行DP计算)高准确率,低隐私性Differential privacy 定义一个满足ε-DP的算法M(ε ≥ 0),当且仅当对于任何相原创 2021-10-19 16:19:29 · 952 阅读 · 2 评论 -
论文阅读:Auditing differentially private machine learning: How private is private SGD?
Audit正式版论文链接预收论文链接(更加详细)视频链接Differential privacy gives a strong worst-case guarantee of individual privacy:a differentially private algorithm ensures that, for any set of training examples, no attacker, no matter how powerful attack, can not learn mu原创 2021-09-18 19:13:30 · 353 阅读 · 0 评论