BriefGPT - AI 论文速递
·
置换不变函数：统计检验、度量熵降维和估计
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文介绍了一种差分隐私保护的假设检验方法，通过引入基于核的测试统计量，提出了两种不同差分隐私保护的核测试方法（dpMMD 和 dpHSIC），具有简单易施行、适用于多种数据类型、在不同隐私保护模式下达到极小 - 最优动力的特点。该方法在各种合成和实际场景下展现出竞争力，具有实际价值。
🎯
关键要点
- 提出了一种差分隐私保护的假设检验方法。
- 扩展了经典的非隐私保护排列检验到隐私保护场景。
- 实现有限样本有效性和差分隐私的同时保证。
- 引入基于核的测试统计量，提出了两种核测试方法（dpMMD 和 dpHSIC）。
- 方法简单易施行，适用于多种数据类型。
- 在不同隐私保护模式下达到极小 - 最优动力的特点。
- 经实证评估，在各种合成和实际场景下展现出竞争力。
- 公开提供的代码有助于该方法的实现。
➡️
