제약 집합 기하학을 활용한 차등 프라이버시 ERM 개선
본 논문은 차등 프라이버시를 만족하는 경험적 위험 최소화(ERM)에서 제약 집합의 기하학적 특성, 특히 가우시안 폭(Gaussian width)을 이용해 기존의 차원 의존적 오류 상한을 크게 개선한다. 미러 디센트와 프랭크‑와플 알고리즘을 프라이버시 버전으로 변형하여, ℓ₂‑리프시츠 손실에 대해 ˜O(G_C / n), ℓ₁‑리프시츠 손실(예: LASSO)에는 ˜O(n^{-2/3})의 오류를 달성하고, 이에 대한 하한도 제시한다.
저자: Kunal Talwar, Abhradeep Thakurta, Li Zhang
본 논문은 차등 프라이버시를 만족하는 경험적 위험 최소화(ERM) 문제에서, 제약 집합 C 의 기하학적 특성을 활용해 기존의 차원 의존적 오류 상한을 크게 개선한다는 목표를 갖는다. 먼저, 문제 설정을 명확히 한다. 데이터셋 D = {d₁,…,dₙ} 에서 각 샘플 dᵢ = (xᵢ, yᵢ) 이며, 모델 파라미터 θ ∈ ℝᵖ 는 제약 집합 C ⊆ ℝᵖ 에 제한된다. 손실 함수 L(θ; d) 는 convex이며, 일반적으로 ℓ₂‑리프시츠(L‑Lipschitz) 혹은 ℓ₁‑리프시츠 특성을 가진다. 목표는 (ε, δ)‑차등 프라이버시를 보장하면서, 기대 초과 위험 R(A) = E
원본 논문
고화질 논문을 불러오는 중입니다...
댓글 및 학술 토론
Loading comments...
의견 남기기