关于从高斯和乘积分布中进行差分隐私采样
摘要：用微分隐私（DP）约束下的总变分距离，给定一个来自未知分布P的n个独立同分布样本的数据集，我们考虑从与P接近的分布中生成样本的问题。在DP机制可用信息的不同假设下，我们研究了当P是多维高斯分布时的问题：已知协方差，未知有界协方差和未知无界协方差。我们提出了新的DP采样算法，并展示它们在前两个情景中达到了近似最优的样本复杂度。此外，当P是二进制超立方体上的乘积分布时，我们获得了一个纯DP算法，而之前只有一个近似DP算法（样本复杂度略差）是已知的。
作者：Badih Ghazi, Xiao Hu, Ravi Kumar, Pasin Manurangsi
论文ID：2306.12549
分类：Data Structures and Algorithms
分类简称：cs.DS
提交时间：2023-06-23