研究人员开发了差分隐私置换检验，以解决假设检验中的隐私问题。这一新框架将经典的非隐私置换检验扩展到保持差分隐私的设置中，确保了有限样本的有效性和严格的隐私保护。所提出的检验旨在实用且统计高效，在各种隐私机制下实现最小最大最优功效，并在实证评估中表现出竞争力。 AI
影响 增强了人工智能和机器学习背景下统计分析的隐私保证。
排序理由 这是一篇详细介绍具有隐私重点的新统计方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
arXiv:2310.19043v3 Announce Type: replace-cross Abstract: Recent years have witnessed growing concerns about the privacy of sensitive data. In response to these concerns, differential privacy has emerged as a rigorous framework for privacy protection, gaining widespread recogniti…