马克·本;马可·加博阿迪;马克斯·霍普金斯;罗素·英帕利亚佐;雷克斯·雷;托尼安·皮塔西;萨奇·西瓦库马尔;杰西卡·索雷尔 稳定性是稳定的：可复制性、隐私性和自适应泛化之间的联系。 （英语） Zbl 07844609号 Saha，Barna（编辑）等人，第55届ACM SIGACT计算理论研讨会论文集，STOC’23，美国佛罗里达州奥兰多，2023年6月20日至23日。纽约州纽约市：计算机协会（ACM）。520-527 (2023). MSC公司： 68季度xx 计算理论 关键词：算法稳定性;差异隐私;一般化;可复制性 PDF格式BibTeX公司 XML格式引用 \textit{M.Bun}等人，in：第55届ACM SIGACT计算理论年会论文集，STOC'23，美国佛罗里达州奥兰多，2023年6月20-23日。纽约州纽约市：计算机协会（ACM）。520-527（2023；Zbl 07844609） 全文： 内政部 arXiv公司 参考文献： [1] 诺加·阿龙（Noga Alon）、阿莫斯·贝梅尔（Amos Beimel）、谢·莫兰（Shay Moran）和乌里·斯特默（Uri Stemmer）。2020年。私人分类和在线预测的封闭属性。在学习理论会议上。119-152. [2] 诺加·阿隆、罗伊·利夫尼、玛丽安·马利亚利斯和谢·莫兰。2019.私人PAC学习意味着Littlestone维度有限。在第51届ACM SIGACT计算理论年度研讨会论文集上。852-860. ·Zbl 1434.68149号 [3] 奥马尔·安吉尔和伊农·斯宾卡。2019.多个随机变量的两两最优耦合。https://doi.org/10.48550/ARXIV.1903.00632 ·Zbl 1496.05115号 [4] Raef Bassily和Yoav Freund。2016.基于典型性的稳定性和隐私。CoRR，abs/1604.03336（2016），arXiv:1604.03336。arxiv:1604.03336 [5] Raef Bassily、Shay Moran、Ido Nachum、Jonathan Shafer和Amir Yehudayoff。2018.使用少量信息的学习者。《算法学习理论》，ALT 2018，2018年4月7日至9日，西班牙加那利群岛Lanzarote，Firdaus Janoos，Mehryar Mohri和Karthik Sridharan（编辑）（机器学习研究论文集，第83卷）。PMLR，25-55岁。http://proceedings.mlr.press/v83/bassily18a.html ·Zbl 1405.68148号 [6] Raef Bassily、Kobbi Nissim、Adam D.Smith、Thomas Steinke、Uri Stemmer和Jonathan R.Ullman。2016年，自适应数据分析的算法稳定性。在2016年6月18日至21日于美国马萨诸塞州剑桥举行的第48届ACM SIGACT年度计算理论研讨会的会议记录中，Daniel Wichs和Yishay Mansour（编辑）。ACM，1046-1059之间。https://doi.org/10.1145/2897518.2897566 10.1145/2897518.2897566 ·Zbl 1376.68122号 [7] 阿莫斯·贝梅尔（Amos Beimel）、科比·尼西姆（Kobbi Nissim）和乌里·斯特默（Uri Stemmer）。2016.私人学习和卫生：纯粹与近似差异隐私。理论计算。，12, 1 (2016), 1-61. https://doi.org/10.4086/toc.2016.v012a00110.4086/toc.2016.v012a001·Zbl 1362.68096号 [8] 奥利维尔·布斯克特和安德烈·埃利塞夫。2002.稳定性和通用性。机器学习研究杂志，2（2002），499-526·Zbl 1007.68083号 [9] 马克·布恩（Mark Bun）、罗伊·利夫尼（Roi Livni）和谢·莫兰（Shay Moran）。2020年。私人分类和在线预测之间的等价性。2020年，IEEE第61届计算机科学基础年会（FOCS）。389-402. [10] Mark Bun、Thomas Steinke和Jonathan R.Ullman。2019.下定决心：差异隐私中在线查询的代价。J.隐私保密，9，1（2019），https://doi.org/10.29012/jpc.65510.29012/jpc.655·Zbl 1410.68111号 [11] Mark Bun、Jonathan R.Ullman和Salil P.Vadhan。2018年。指纹代码和近似差别隐私的价格。SIAM J.计算。，47, 5 (2018), 1888-1938. https://doi.org/10.1137/15M103358710.1137/15M1033587号·Zbl 1402.68071号 [12] 雷切尔·卡明斯（Rachel Cummings）、卡特里娜·利吉特（Katrina Ligett）、科比·尼西姆（Kobbi Nissim）、亚伦·罗斯（Aaron Roth）和吴志伟（Zhiwei Steven Wu）。2016.具有稳健泛化保证的自适应学习。《第29届学习理论会议论文集》，2016年6月23日至26日，美国纽约COLT，Vitaly Feldman、Alexander Rakhlin和Ohad Shamir（编辑）（JMLR研讨会和会议论文集，第49卷）。JMLR.org，772-814。http://proceedings.mlr.press/v49/cummings16.html [13] L.Devroye和T.Wagner。1979.潜在函数规则的无分布性能界限。IEEE信息理论汇刊，25，5（1979），601-604。https://doi.org/10.109/TIT.1979.105608710.1109/TIT.1979.1056087·兹比尔0432.62040 [14] 辛西娅·德沃克（Cynthia Dwork）、维塔利·费尔德曼（Vitaly Feldman）、莫里茨·哈德（Moritz Hardt）、托尼安·皮塔西（Toniann Pitassi）、奥马尔·莱因戈尔德（Omer Reingold）和亚伦·罗斯（Aaron Roth）。2015.自适应数据分析和暂存重用的推广。《神经信息处理系统进展》第28期：2015年12月7日至12日，加拿大魁北克蒙特利尔，科琳娜·科尔特斯，尼尔·D·劳伦斯，丹尼尔·李，Masashi Sugiyama和罗曼·加内特（编辑）。2350-2358. https://proceedings.neurips.cc/paper/2015/hash/bad5f33780c42f2588878a9d07405083-Abstract.html ·Zbl 1359.62437号 [15] 辛西娅·德沃克、维塔利·费尔德曼、莫里茨·哈特、托尼安·皮塔西、奥马尔·莱因戈尔德和亚伦·莱昂·罗斯。2015年，在自适应数据分析中保持统计有效性。2015年6月14日至17日，美国俄勒冈州波特兰市STOC 2015第四十七届年度ACM计算机理论研讨会论文集，Rocco A.Servedio和Ronitt Rubinfeld（编辑）。美国医学会，117-126。https://doi.org/10.1145/2746539.2746580 10.1145/2746539.2746580 ·Zbl 1321.68401号 [16] 辛西娅·德沃克（Cynthia Dwork）、弗兰克·麦克谢里（Frank McSherry）、科比·尼西姆（Kobbi Nissim）和亚当·史密斯（Adam D.Smith）。2016年，在私人数据分析中校准噪音敏感性。《私人机密性杂志》，第7期，第3期（2016年），第17-51页。https://doi.org/10.29012/jpc.v7i3.40510.29012/jpc.v7版本3.405·Zbl 1112.94027号 [17] 辛西娅·德沃克（Cynthia Dwork）、盖伊·罗斯布鲁姆（Guy N.Rothblum）和萨利尔·巴丹（Salil P.Vadhan）。2010.增强和差异隐私。在2010年10月23日至26日于美国内华达州拉斯维加斯举行的第51届IEEE计算机科学基础年会上，IEEE计算机学会，51-60。https://doi.org/10.109/FOCS.2010.1210.1109/FOCS.2010.12年10月10日 [18] 辛西娅·德沃克（Cynthia Dwork）、亚当·史密斯（Adam D.Smith）、托马斯·斯坦克（Thomas Steinke）、乔纳森·乌尔曼（Jonathan R.Ullman）和萨利尔·巴丹（Salil P.Vadhan）。2015年，痕量的可靠可追溯性。在IEEE第56届计算机科学基础年度研讨会上，FOCS 2015，美国加利福尼亚州伯克利，2015年10月17-20日，Venkatesan Guruswami（Ed.）。IEEE计算机学会，650-669。https://doi.org/10.109/FOCS.2015.4610.1109/FOCS.2015.46 [19] 巴迪赫·加齐（Badih Ghazi）、诺亚·戈洛维奇（Noah Golowich）、拉维·库马尔（Ravi Kumar）和帕辛·马努兰西（Pasin Manurangsi）。2021.抽样高效的适当PAC学习，具有近似差异的隐私。第53届ACM SIGACT计算理论年会论文集。183-196. ·Zbl 07765163号 [20] Badih Ghazi、Ravi Kumar和Pasin Manurangsi。2021.通过相关抽样进行用户级差异私人学习。《神经信息处理系统进展34：2021年神经信息处理系统年会》，NeurIPS 2021，2021年12月6日至14日，虚拟，Marc’Aurelio Ranzato、Alina Beygelzimer、Yann N.Dauphin、Percy Liang和Jennifer Wortman Vaughan（编辑）。20172-20184. https://proceedings.neurips.cc/paper/2021/hash/a89cf525e1d9f04d16ce31165e139a4b-Abstract.html [21] 诺亚·戈洛维奇（Noah Golowich）。2021.增长条件下的差异私人非参数回归。在学习理论会议上，COLT 2021，2021年8月15-19日，美国科罗拉多州博尔德，米哈伊尔·贝尔金和萨默里·科波图夫（编辑）（机器学习研究论文集，第134卷）。PMLR，2149-2192。http://proceedings.mlr.press/v134/golowich21.html [22] Max Hopkins、Daniel M.Kane、Shachar Lovett和Gaurav Mahajan。2022.真正的学习是你所需要的。在2022年7月2日至5日于英国伦敦举行的学习理论会议上，Po-Ling Loh和Maxim Raginsky（编辑）（机器学习研究论文集，第178卷）。PMLR，3015-3069。https://proceedings.mlr.press/v178/hopkins22a.html [23] 罗素·英帕利亚佐（Russell Impagliazzo）、雷克斯·雷（Rex Lei）、托尼安·皮塔西（Toniann Pitassi）和杰西卡·索雷尔（Jessica Sorrell）。2022.学习中的再现性。在STOC’22:54届ACM SIGACT计算机理论年度研讨会上，意大利罗马，2022年6月20日至24日，Stefano Leonardi和Anupam Gupta（编辑）。美国医学会，818-831。https://doi.org/10.1145/3519935.351997310.1145/3519935.3519973 [24] 克里斯托弗·荣格（Christopher Jung）、卡特里娜·利吉特（Katrina Ligett）、塞思·内尔（Seth Neel）、亚伦·罗斯（Aaron Roth）、赛义德·谢里菲·马尔瓦杰迪（Saeed Sharifi-Malvajerdi）和莫西·申菲尔德。2020年，差异隐私的一般化保障新分析。第11届理论计算机科学创新会议，ITCS 2020，2020年1月12日至14日，美国华盛顿州西雅图，托马斯·维迪克（编辑）（LIPIcs，第151卷）。达格斯图尔-莱布尼兹·泽特鲁姆宫（Schloss Dagstuhl-Leibniz-Zentrum für Informatik），31:1-31:17。https://doi.org/10.4230/LIPIcs.ITCS2020.3110.4230/LIPIcs公司。国际贸易委员会2020.31·Zbl 07650379号 [25] Young Hun Jung、Baekjin Kim和Ambuj Tewari，2020年。在线学习和非二进制分类的私人学习的等价性。第34届神经信息处理系统国际会议论文集（NIPS'20）。Curran Associates Inc.，美国纽约州Red Hook，第1401条，共10页。国际标准编号：9781713829546 [26] Alkis Kalavasis、Amin Karbasi、Shay Moran和Grigoris Velegkas。2023.学习算法的统计不可区分性。个人沟通。 [27] 卡特里娜·利吉特（Katrina Ligett）和莫西·申菲尔德（Moshe Shenfeld）。2019.自适应泛化的一个必要且充分的稳定性概念。《神经信息处理系统进展》第32期：2019年神经信息处理体系年度会议，2019年NeurIPS，2019年间12月8日至14日，加拿大不列颠哥伦比亚省温哥华，汉娜·M·瓦拉赫，雨果·拉罗谢尔，艾琳娜·贝格尔齐默，佛罗伦萨·德阿尔奇-布，艾米莉·福克斯和罗曼·加内特（编辑）。11481-11490之间。https://proceedings.neurips.cc/paper/2019/hash/c5df4f4eabf1cbcfeb50fbf97c5289f-Abstract.html [28] Frank McSherry和Kunal Talwar。2007.通过差异隐私进行机制设计。第48届IEEE计算机科学基础年会（FOCS’07）论文集。IEEE计算机学会，美国94-103。编号：0769530109https://doi.org/10.1109/FOCS.2007.412007年10月10日/FOCS.201·Zbl 1232.68047号 [29] 科比·尼西姆、亚当·史密斯、乌里·斯特默、托马斯·斯坦克和乔纳森·厄尔曼。2018.选拔后概括的限制。神经信息处理系统进展，31（2018）。 [30] Maxim Raginsky、Alexander Rakhlin、Matthew Tsao、Yihong Wu和Aolin Xu。2016年，学习算法稳定性和偏差的信息论分析。2016年9月11日至14日，英国剑桥，2016年ITW，2016年IEEE信息理论研讨会。IEEE，26-30。https://doi.org/10.109/ITW.2016.76067892016年10月10日至2016年7月606789日 [31] 瑞安·罗杰斯（Ryan Rogers）、亚伦·罗斯（Aaron Roth）、亚当·史密斯（Adam D.Smith）、内森·斯雷布罗（Nathan Srebro）、奥姆·塔卡尔（Om Thakkar）和布莱克·伍德沃思（Blake E.Woodworth）。2020年，自适应数据分析实证方法的保证有效性。第23届国际人工智能与统计会议，AISTATS 2020，2020年8月26日至28日，在线[意大利西西里岛巴勒莫]，Silvia Chiappa和Roberto Calandra（编辑）（机器学习研究论文集，第108卷）。PMLR，2830-2840。http://proceedings.mlr.press/v108/rogers20a.html [32] Ryan M.Rogers、Aaron Roth、Adam D.Smith和Om Thakkar。2016年，最大信息、差异隐私和选择后假设测试。在2016年10月9日至11日于美国新泽西州新不伦瑞克凯悦酒店举行的IEEE第57届计算机科学基础年度研讨会上，Irit Dinur（编辑）。IEEE计算机学会，487-494。https://doi.org/10.109/FOCS.2016.5910.1109/FOCS.2016.59 [33] W·H·罗杰斯和T·J·瓦格纳。1978年，有限样本分布-无性能限制的地方歧视规则。《统计年鉴》，6，3（1978），506-514。https://doi.org/10.1214/aos/117634419610.1214/aos/1176344196·Zbl 0385.62041号 [34] 丹尼尔·拉索和詹姆斯·邹。2016年，利用信息理论控制自适应数据分析中的偏差。Arthur Gretton和Christian C.Robert（编辑）在《第19届国际人工智能与统计会议论文集》（AISTATS 2016，西班牙加的斯，2016年5月9日至11日）中（JMLR研讨会和会议论文集，第51卷）。JMLR.org，1232-1240。http://proceedings.mlr.press/v51/russo16.html [35] Shai Shalev-Shwartz、Ohad Shamir、Nathan Srebro和Karthik Sridharan。2010.可学习性、稳定性和一致收敛性。机器学习研究杂志，11（2010），2635-2670·Zbl 1242.68247号 [36] 托马斯·斯坦克和莉迪亚·扎金蒂诺。2020年。通过有条件相互信息推断泛化。在学习理论会议上，COLT 2020，2020年7月9日至12日，虚拟事件[Graz，奥地利]，Jacob D.Abernethy和Shivani Agarwal（编辑）（机器学习研究论文集，第125卷）。PMLR，3437-3452。http://proceedings.mlr.press/v125/steinke20a.html [37] 徐敖林和马克西姆·拉金斯基。2017.学习算法泛化能力的信息论分析。《神经信息处理系统进展》第30期：2017年12月4日至9日，美国加利福尼亚州长滩，伊莎贝·盖恩，乌里克·冯·卢克斯堡，萨米·本吉奥，汉纳·M·瓦拉赫，罗伯·弗格斯，S.V.N.维什瓦纳森和罗曼·加内特（编辑）。2524-2533. https://proceedings.neurips.cc/paper/2017/hash/ad71c82b22f4f65b9398f76d8be4c615-Abstract.html ·Zbl 1366.94211号 [38] Tijana Zrnic和Moritz Hardt。2019.自适应数据分析中的自然分析师。2019年6月9日至15日在美国加利福尼亚州长滩举行的第36届国际机器学习会议论文集，Kamalika Chaudhuri和Ruslan Salakhutdinov（编辑）（机器学习研究论文集，第97卷）。PMLR，7703-7711。http://proceedings.mlr.press/v97/zrnic19a.html 此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配，并且可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。