PulseAugur
中
实时 12:51:29
English(EN) Privately Estimating Monotone Statistics in Polynomial Time

新算法改进了私密统计估计，并提供了可调的权衡

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了新的差分隐私算法来估计单调统计量，这些统计量在添加新数据时保持一致。所提出的算法通过将样本复杂度降低 't' 倍，同时将运行时间增加 'e^t' 倍来改进传统的子采样和聚合方法，其中 't' 是一个可调参数。这些进展在私密特征值估计和高维模型（如线性回归）参数估计等领域都有应用。该研究还包括一个查询复杂度下界，证明了新算法的近乎最优性。 AI

排序理由 这是一篇详细介绍私密统计估计新算法的研究论文。[lever_c_demoted from research: ic=1 ai=0.4]

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 →

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Gavin Brown, Ephraim Linder, Mahbod Majid, Vikrant Singhal ·

    Privately Estimating Monotone Statistics in Polynomial Time

    arXiv:2605.27912v1 Announce Type: cross Abstract: We study efficient differentially private algorithms for estimating monotone statistics, i.e., statistics that are monotone under the addition of new observations. The starting point for our investigation is subsample-and-aggregat…

相关实体

相关话题