Differentially Private Learning of Geometric Concepts
Differentially Private Learning of Geometric Concepts
复制标题
几何概念的差分私人学习
DOI：
10.1137/21m1406428
复制
发表时间：
2019
期刊：
影响因子：
--
通讯作者：
Uri Stemmer
中科院分区：
文献类型：
--
作者：
Haim Kaplan;Y. Mansour;Yossi Matias;Uri Stemmer
我们提出了用于学习平面中多边形（不一定是凸的）并集的差分私有有效算法。我们的算法使用大小为 $\tilde{O}\left(\frac{1}{\alpha\epsilon}k\log d\right)$ 的样本实现 $(\alpha,\beta)$-PAC 学习和 $(\epsilon,\delta)$-差分隐私，其中域为 $[d]\times[d]$，$k$ 是多边形联合中的边数。
We present differentially private efficient algorithms for learning union of polygons in the plane (which are not necessarily convex). Our algorithms achieve $(\alpha,\beta)$-PAC learning and $(\epsilon,\delta)$-differential privacy using a sample of size $\tilde{O}\left(\frac{1}{\alpha\epsilon}k\log d\right)$, where the domain is $[d]\times[d]$ and $k$ is the number of edges in the union of polygons.
私有中心点和半空间学习
DOI：
--
发表时间：
2020
期刊：
COLT 2019
影响因子：
--
作者：
Amos Beimel, Shay Moran
通讯作者：
Amos Beimel, Shay Moran