Framework LDP Adattivo per la Raccolta di Dati Numerici Senza Conoscenza Preliminare del Dominio
Un nuovo studio su arXiv (2608.05737) presenta un approccio innovativo alla Privacy Differenziale Locale (LDP) che affronta la sfida di raccogliere dati numerici senza conoscenza preliminare della categoria dei dati. Questo metodo richiede che gli utenti inviino due informazioni: i loro dati numerici modificati e un segnale privatizzato che indica se il loro valore originale è stato troncato. Raccogliendo questi segnali, il framework può regolare l'intervallo del dominio, il che aiuta a ridurre la perdita di informazioni dovuta al troncamento e limita il rumore eccessivo derivante da domini ampi. Di conseguenza, ciò migliora la qualità dei dati raccolti mantenendo forti garanzie di privacy. L'articolo è classificato come un cross-announcement su arXiv.
Fatti principali
- Il framework è progettato per la Privacy Differenziale Locale (LDP).
- Affronta la sfida dei domini di dati sconosciuti nella raccolta di dati numerici.
- Ogni utente invia dati numerici perturbati e un segnale di troncamento privatizzato.
- Il metodo stima dinamicamente il dominio dei dati.
- Riduce la perdita di informazioni dovuta al troncamento e al rumore eccessivo.
- L'articolo è disponibile su arXiv con ID 2608.05737.
- Il tipo di annuncio è cross.
- L'articolo è stato annunciato su arXiv.
Entità
Istituzioni
- arXiv