新研究详细介绍了差分隐私下的Minimax和自适应协方差矩阵估计

作者 PulseAugur 编辑部 · [1 个来源] · 2026-08-14 04:00

研究人员开发了在差分隐私约束下估计协方差矩阵的新方法。该研究关注三个嵌套的协方差矩阵类别，并考虑了两种类型的损失函数。提出的估计器实现了Minimax最优速率，揭示了隐私要求如何与矩阵几何和光滑度参数相互作用。该工作还引入了可以仅以少量开销适应未知参数的自适应程序，并提出了一个新颖的差分隐私van Trees不等式来建立下界。 AI

影响这项研究为私有统计方法奠定了理论基础，可能影响隐私保护AI算法的开发。

排序理由该集群包含一篇详细介绍隐私约束下统计估计理论研究的学术论文。[lever_c_demoted from research: ic=1 ai=0.7]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 0 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇详细介绍隐私约束下统计估计理论研究的学术论文。[lever_c_demoted from research: ic=1 ai=0.7]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, safety; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: 65 days old; Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · T. Tony Cai, Yicheng Li · 2026-08-14 04:00

差分隐私下的 Minimax 和自适应协方差矩阵估计

arXiv:2603.19703v2 Announce Type: replace-cross Abstract: Estimating covariance matrices is fundamental to a wide range of statistical applications. This paper studies minimax and adaptive estimation of high-dimensional covariance matrices under $\rho$-zero-concentrated different…

本文如何被排名

报道来源 [1]

差分隐私下的 Minimax 和自适应协方差矩阵估计

相关实体

相关话题