会员服务
最优化 · 优化器 · 图 · 注意力机制 · 数据库 ·
2021 年 12 月 20 日
A Nearly Instance-optimal Differentially Private Mechanism for Conjunctive Queries
翻译：近乎最理想的合并询问机制的差别化私人机制
Wei Dong,Ke Yi
Wei Dong,Ke Yi

Releasing the result size of conjunctive queries and graph pattern queries under differential privacy (DP) has received considerable attention in the literature, but existing solutions do not offer any optimality guarantees. We provide the first DP mechanism for this problem with a fairly strong notion of optimality, which can be considered as a natural relaxation of instance-optimality to a constant.


翻译：区分隐私(DP)下的合并质询和图表式质询的结果规模在文献中受到相当重视,但现有解决方案并不能提供任何最佳性保障。 我们为这一问题的第一个DP机制提供了相当强烈的优化性概念,这可以被视为将例优性自然降为常数。
0
下载
关闭预览

相关内容

最优化是应用数学的一个分支，主要指在一定条件限制下，选取某种研究方案使目标达到最优的一种方法。最优化问题在当今的军事、工程、管理等领域有着极其广泛的应用。
【干货书】机器学习设计模式，408页pdf，Machine Learning Design Patterns
【干货书】机器学习设计模式，408页pdf，Machine Learning Design Patterns
专知会员服务
132+阅读 · 2022年2月6日
2020数据工程师成长路线图
专知会员服务
17+阅读 · 2020年9月6日
数据科学导论，54页ppt，Introduction to Data Science
数据科学导论，54页ppt，Introduction to Data Science
专知会员服务
38+阅读 · 2020年7月27日
【北京大学】Locally Differentially Private (Contextual) Bandits Learning
【北京大学】Locally Differentially Private (Contextual) Bandits Learning
专知会员服务
12+阅读 · 2020年6月8日
语言视觉预训练语言模型揭密，Behind the Scene: Revealing the Secrets of Pre-trained Vision-and-Language Models
语言视觉预训练语言模型揭密，Behind the Scene: Revealing the Secrets of Pre-trained Vision-and-Language Models
专知会员服务
32+阅读 · 2020年5月20日
【SIGMOD2020-腾讯】Web规模本体可扩展构建
【SIGMOD2020-腾讯】Web规模本体可扩展构建
专知会员服务
29+阅读 · 2020年4月12日
【ICLR2020-哥伦比亚大学】多关系图神经网络CompGCN
【ICLR2020-哥伦比亚大学】多关系图神经网络CompGCN
专知会员服务
49+阅读 · 2020年4月2日
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
专知会员服务
45+阅读 · 2019年10月17日
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
专知会员服务
31+阅读 · 2019年10月17日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
99+阅读 · 2019年10月9日
学术报告|港科大助理教授宋阳秋博士
学术报告|港科大助理教授宋阳秋博士
科技创新与创业
7+阅读 · 2019年7月19日
Hierarchically Structured Meta-learning
Hierarchically Structured Meta-learning
CreateAMind
23+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
Transferring Knowledge across Learning Processes
CreateAMind
25+阅读 · 2019年5月18日
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
41+阅读 · 2019年1月3日
meta learning 17年：MAML SNAIL
meta learning 17年：MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
CCF C类 | IJCNN 2019 Special Section : 信息论与深度学习
CCF C类 | IJCNN 2019 Special Section : 信息论与深度学习
Call4Papers
5+阅读 · 2018年12月7日
自然语言处理中的自注意力机制（Self-Attention Mechanism）
自然语言处理中的自注意力机制（Self-Attention Mechanism）
PaperWeekly
22+阅读 · 2018年3月28日
计算机视觉近一年进展综述
计算机视觉近一年进展综述
机器学习研究会
8+阅读 · 2017年11月25日
【推荐】RNN/LSTM时序预测
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
Differentially Private Federated Learning on Heterogeneous Data
Arxiv
0+阅读 · 2022年2月22日
Differential Secrecy for Distributed Data and Applications to Robust Differentially Secure Vector Summation
Arxiv
0+阅读 · 2022年2月22日
A Differentially Private Bayesian Approach to Replication Analysis
Arxiv
0+阅读 · 2022年2月21日
Accuracy Gains from Privacy Amplification Through Sampling for Differential Privacy
Accuracy Gains from Privacy Amplification Through Sampling for Differential Privacy
Arxiv
0+阅读 · 2022年2月21日
Optimal Rates of (Locally) Differentially Private Heavy-tailed Multi-Armed Bandits
Arxiv
0+阅读 · 2022年2月21日
Using Illustrations to Communicate Differential Privacy Trust Models: An Investigation of Users' Comprehension, Perception, and Data Sharing Decision
Arxiv
0+阅读 · 2022年2月21日
Kantorovich Mechanism for Pufferfish Privacy
Arxiv
0+阅读 · 2022年2月21日
Differentially Private Regression with Unbounded Covariates
Arxiv
0+阅读 · 2022年2月19日
When is Assortment Optimization Optimal?
Arxiv
0+阅读 · 2022年2月18日
LDP-FL: Practical Private Aggregation in Federated Learning with Local Differential Privacy
Arxiv
5+阅读 · 2020年7月31日
VIP会员
文章信息
前往arXiv
下载PDF
相关主题
最优化
优化器
图
注意力机制
数据库
相关VIP内容
【干货书】机器学习设计模式，408页pdf，Machine Learning Design Patterns
【干货书】机器学习设计模式，408页pdf，Machine Learning Design Patterns
专知会员服务
132+阅读 · 2022年2月6日
2020数据工程师成长路线图
专知会员服务
17+阅读 · 2020年9月6日
数据科学导论，54页ppt，Introduction to Data Science
数据科学导论，54页ppt，Introduction to Data Science
专知会员服务
38+阅读 · 2020年7月27日
【北京大学】Locally Differentially Private (Contextual) Bandits Learning
【北京大学】Locally Differentially Private (Contextual) Bandits Learning
专知会员服务
12+阅读 · 2020年6月8日
语言视觉预训练语言模型揭密，Behind the Scene: Revealing the Secrets of Pre-trained Vision-and-Language Models
语言视觉预训练语言模型揭密，Behind the Scene: Revealing the Secrets of Pre-trained Vision-and-Language Models
专知会员服务
32+阅读 · 2020年5月20日
【SIGMOD2020-腾讯】Web规模本体可扩展构建
【SIGMOD2020-腾讯】Web规模本体可扩展构建
专知会员服务
29+阅读 · 2020年4月12日
【ICLR2020-哥伦比亚大学】多关系图神经网络CompGCN
【ICLR2020-哥伦比亚大学】多关系图神经网络CompGCN
专知会员服务
49+阅读 · 2020年4月2日
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
专知会员服务
45+阅读 · 2019年10月17日
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
专知会员服务
31+阅读 · 2019年10月17日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
99+阅读 · 2019年10月9日
热门VIP内容
相关资讯
学术报告|港科大助理教授宋阳秋博士
学术报告|港科大助理教授宋阳秋博士
科技创新与创业
7+阅读 · 2019年7月19日
Hierarchically Structured Meta-learning
Hierarchically Structured Meta-learning
CreateAMind
23+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
Transferring Knowledge across Learning Processes
CreateAMind
25+阅读 · 2019年5月18日
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
41+阅读 · 2019年1月3日
meta learning 17年：MAML SNAIL
meta learning 17年：MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
CCF C类 | IJCNN 2019 Special Section : 信息论与深度学习
CCF C类 | IJCNN 2019 Special Section : 信息论与深度学习
Call4Papers
5+阅读 · 2018年12月7日
自然语言处理中的自注意力机制（Self-Attention Mechanism）
自然语言处理中的自注意力机制（Self-Attention Mechanism）
PaperWeekly
22+阅读 · 2018年3月28日
计算机视觉近一年进展综述
计算机视觉近一年进展综述
机器学习研究会
8+阅读 · 2017年11月25日
【推荐】RNN/LSTM时序预测
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
相关论文
Differentially Private Federated Learning on Heterogeneous Data
Arxiv
0+阅读 · 2022年2月22日
Differential Secrecy for Distributed Data and Applications to Robust Differentially Secure Vector Summation
Arxiv
0+阅读 · 2022年2月22日
A Differentially Private Bayesian Approach to Replication Analysis
Arxiv
0+阅读 · 2022年2月21日
Accuracy Gains from Privacy Amplification Through Sampling for Differential Privacy
Accuracy Gains from Privacy Amplification Through Sampling for Differential Privacy
Arxiv
0+阅读 · 2022年2月21日
Optimal Rates of (Locally) Differentially Private Heavy-tailed Multi-Armed Bandits
Arxiv
0+阅读 · 2022年2月21日
Using Illustrations to Communicate Differential Privacy Trust Models: An Investigation of Users' Comprehension, Perception, and Data Sharing Decision
Arxiv
0+阅读 · 2022年2月21日
Kantorovich Mechanism for Pufferfish Privacy
Arxiv
0+阅读 · 2022年2月21日
Differentially Private Regression with Unbounded Covariates
Arxiv
0+阅读 · 2022年2月19日
When is Assortment Optimization Optimal?
Arxiv
0+阅读 · 2022年2月18日
LDP-FL: Practical Private Aggregation in Federated Learning with Local Differential Privacy
Arxiv
5+阅读 · 2020年7月31日
Top
微信扫码咨询专知VIP会员
Top