講演抄録/キーワード |
講演名 |
2015-06-23 13:00
差分プライバシと擬ベイズ事後分布 ○南 賢太郎・荒井ひろみ・佐藤一誠・中川裕志(東大) IBISML2015-7 |
抄録 |
(和) |
差分プライバシは,個人情報を含むデータから構成した推定量や学習器を外部に公開する場合のプライバシ保護基準として代表的なものである.近年,様々な学習タスクにおいて,差分プライバシを満たすように学習結果を公開する手法が提案されてきた.
最近,事後分布からのサンプリングが自動的に差分プライバシを満たすことがWangらによって示された.Wangらの結果は,モデルの対数尤度の有界性という極めて限定的な状況でのみ成立するものであった.本論文では,より広い統計モデルおよび学習タスクまで結果を拡張し,擬ベイズ事後分布と呼ばれる分布からのサンプリングが適当な条件のもとで$(varepsilon,delta)$-近似差分プライバシを満たすことを示す.特に,サンプルサイズや事前分布の縮小の強さの寄与が定量的に評価できる.また,本論文の結果によって,密度推定や非有界な損失をもつ問題に対して,差分プライバシを満たす新しい学習アルゴリズムが得られる. |
(英) |
We investigate relationship between differential privacy and pseudo-Bayesian posterior distributions. Recently, Wang, et al. proved that a parameter drawn from Bayesian posterior distribution automatically satisfies differential privacy. In this paper, we show that samples from pseudo-Bayesian posterior distributions satisfy $(varepsilon, delta)$-differential privacy. Our result can be applied to various problems in which loss functions are possibly unbounded. |
キーワード |
(和) |
差分プライバシ / 擬ベイズ事後分布 / 測度集中 / PAC-Bayes学習 / / / / |
(英) |
differential privacy / pseudo-Bayesian posterior / concentration of measure / PAC-Bayesian learning / / / / |
文献情報 |
信学技報, vol. 115, no. 112, IBISML2015-7, pp. 39-46, 2015年6月. |
資料番号 |
IBISML2015-7 |
発行日 |
2015-06-16 (IBISML) |
ISSN |
Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
IBISML2015-7 |