Puncte:1

Confidențialitate diferențială: mecanism gaussian când $\epsilon >1$, mecanism Laplace când $\epsilon = 0$

drapel cn

În resursele de confidențialitate diferențială, cazurile limitative ale $\epsilon, \delta$ nu sunt suficient de bine justificate.

De exemplu, pe Wikipedia, se spune că mecanismul gaussian funcționează numai când $\epsilon < 1$. Cu toate acestea, orice mecanism gaussian care satisface, de exemplu, $(0,1, \delta)$-intimitate diferentiala, deja satisface $(1, \delta)$-intimitate diferențială, sau $(5^{100}, \delta)$-intimitate diferențială, am dreptate?

În mod similar, în unele resurse, definiția DP este pentru $\epsilon \geq 0 $, dar apoi se pretinde că mecanismul Laplace realizează $(\epsilon, 0)$-intimitate diferențială pentru orice $\epsilon$. Cu toate acestea, ce zici $\epsilon = 0$? Distribuție Laplace cu densitate $\propto 1/\epsilon$ nu este definită în acest caz. Avem măcar vreunul aditiv mecanism care satisface $(0,0)$-intimitate diferențială?

Edit: Înțelegerea mea este următoarea. Nu există un mecanism de zgomot aditiv cu care să se poată obține DP $\epsilon = 0 , \delta = 0$. Acest lucru este pur și simplu imposibil din moment ce noi adăuga ceva zgomot (desigur, presupunând că sensibilitatea nu este $0$ caz în care nici nu trebuie să adăugăm un zgomot). Mai mult, mecanismul Laplace realizează DP cu $\epsilon>0,\delta = 0$, adică și orice $\epsilon>0,\delta \geq 0$ va fi posibil. Pe de altă parte, mecanismul gaussian necesită $\epsilon, \delta > 0$, deci acest lucru nu generalizează nimic în cazul Laplace în ceea ce privește fezabilitatea (adică ceea ce este realizabil, ceea ce nu este realizabil). Deci, cred că singura ambiguitate este următoarea: Avem un mecanism aditiv care realizează DP cu $\epsilon = 0$ și orice $\delta > 0$?

Puncte:2
drapel ru

În cazul mecanismului gaussian, este important să se facă distincția între utilizarea $\epsilon$ pentru a parametriza distribuția gaussiană și utilizarea acesteia pentru a cuantifica nivelul de intimitate diferențială. Pentru orice $0<\epsilon<1$ și $0<\delta<1$ putem construi mecanismul care adaugă zgomot distribuit $$\mathcal N(0,2\log(5/4\delta)(\Delta f)^2/\epsilon^2)$$ și atunci avem o garanție statistică pe care aceasta o oferă $(\epsilon,\delta)$-intimitate diferențială și într-adevăr $(\epsilon',\delta')$-intimitate diferențială pentru orice $\epsilon'\ge\epsilon$ și $\delta'\ge\delta$. Cu toate acestea, dacă (de exemplu) luăm, să spunem, $\epsilon=2$ și $\delta=1/2$ deși încă putem construi o funcție de zgomot $$\mathcal N(0,2\log(5/2)(\Delta f)^2/4),$$ nu putem folosi teorema pentru a spune că avem $(2,0.5)$-securitate diferentiala. Wikipedia încearcă să exprime limitele a ceea ce este demonstrabil folosind construcția gaussiană, mai degrabă decât să limiteze gama de semnificații a confidențialității diferențiale.

În mod similar, în cazul Lagrange construcția nu este definită pentru $\epsilon=0$ și deci nu poate fi folosit cu acest parametru. Din nou, aceasta este o limitare a construcției Lagrange, mai degrabă decât o limită a gamei de semnificații a confidențialității diferențiale.

În ceea ce privește $(0,0)$-confidențialitate diferențială, asta ar însemna că algoritmul nostru $\mathcal A$ produce rezultate distribuite identic pentru toate seturile de date. Aceasta înseamnă că $\mathcal A$ este independent de setul de date și nu poate fi modelat prin adăugarea de zgomot la un algoritm dependent de setul de date.

independentvariable avatar
drapel cn
Multumesc pentru raspunsul tau minunat! În general, avem mecanisme care funcționează cu $\epsilon = 0$ și $\delta > 0$? Sau depinde pe deplin de structura setului de date?
Daniel S avatar
drapel ru
Ajungem la limitele cunoștințelor mele aici. Evident, orice mecanism oferă este $(0,1)$-confidențialitate diferențială. Pentru valorile intermediare de $\delta$ bănuiesc (dar nu știu) că acest lucru va fi foarte dependent de $\mathcal A$ și de interacțiunile sale cu seturile de date.
independentvariable avatar
drapel cn
exact asta a fost si intuitia mea, multumesc mult!

Postează un răspuns

Majoritatea oamenilor nu înțeleg că a pune multe întrebări deblochează învățarea și îmbunătățește legătura interpersonală. În studiile lui Alison, de exemplu, deși oamenii își puteau aminti cu exactitate câte întrebări au fost puse în conversațiile lor, ei nu au intuit legătura dintre întrebări și apreciere. În patru studii, în care participanții au fost implicați în conversații ei înșiși sau au citit transcrieri ale conversațiilor altora, oamenii au avut tendința să nu realizeze că întrebarea ar influența – sau ar fi influențat – nivelul de prietenie dintre conversatori.