Differentially Private Confidence Intervals
Differentially Private Confidence Intervals
复制标题
差分私人置信区间
DOI：
--
复制
发表时间：
2020
期刊：
影响因子：
--
通讯作者：
Adam Groce
中科院分区：
文献类型：
--
作者：
Wenxin Du;C. Foot;Monica Moniot;Andrew Bray;Adam Groce
正态分布数据的总体均值的置信区间是人们可能希望从数据库中获得的一些最标准的统计输出。在这项工作中，我们给这个任务的实际差分隐私算法。我们提供了五种算法，然后将它们相互比较，并与以前的工作进行比较。我们给出了具体的，实验分析的准确性，并发现我们的算法提供了更准确的置信区间比以前的工作。例如，在一个设置中（{\displaystyle {\frac} = 0.1，n = 2782），我们的算法产生的区间仅为先前工作标准集大小的1/15。
Confidence intervals for the population mean of normally distributed data are some of the most standard statistical outputs one might want from a database. In this work we give practical differentially private algorithms for this task. We provide five algorithms and then compare them to each other and to prior work. We give concrete, experimental analysis of their accuracy and find that our algorithms provide much more accurate confidence intervals than prior work. For example, in one setting (with {\epsilon} = 0.1 and n = 2782) our algorithm yields an interval that is only 1/15th the size of the standard set by prior work.
DOI：
10.1145/3319535.3339821
发表时间：
2019
期刊：
Proceedings of the 2019 ACM SIGSAC Conference on Computer and Communications Security (CCS
影响因子：
--
作者：
Couch, Simon;Kazan, Zeki;Shi, Kaiyan;Bray, Andrew;Groce, Adam
通讯作者：
Groce, Adam
影响因子：
--
作者：
Swanberg, Marika;Globus-Harris, Ira;Griffith, Iris;Ritz, Anna;Groce, Adam;Bray, Andrew
通讯作者：
Bray, Andrew