私人

privater:差异私人正则化Logistic回归。privatel实现了两个用于估计L2正则logistic回归系数的差异私有算法。随机化演算法F是epsilon Differential private(C.Dwork,Differential Privacy,ICALP 2006),if | log(P(F(D)in S))-log(P(F(D')in S))|<=epsilon,对于只在一个元素中存在差异的数据集的任何对D,D',任意性被F的选择所取代。


zbMATH中的参考文献(参考文献第七十九条,1标准件)

显示79个结果中的1到20个。
按年份排序(引用)
  1. 贝斯利,雷夫;尼西姆、科比;史密斯,亚当;斯坦克,托马斯;茎干器,Uri;Ullman,Jonathan:自适应数据分析的算法稳定性(2021)
  2. Kroll,Martin:局部差分隐私下的固定点密度估计(2021)
  3. Altafini,Claudio:continuous time Multi-Agent dynamics中隐私保护的系统理论框架(2020)
  4. 细野豪志:统计披露控制的坚实基础(2020年)
  5. 住持、住持;Terada,Masayuki:创建详细地理数据的匿名化方法评估(2020)
  6. 刘晓康;张纪峰;王继民:连续时间异构多智能体系统的差异私有共识算法(2020)
  7. 麦克林奇,艾斯林;Mason,Oliver:正线性观察者问题的一些新方面:差分隐私和最优(lˉ1)灵敏度(2020)
  8. 周雅琴;唐少杰:差异化私人分布式学习(2020)
  9. 阿尔维姆,Mário S。;康斯坦丁诺斯,查齐科拉基斯;安娜贝尔·麦克维尔;摩根,卡罗尔;帕拉米德西,卡图西亚;史密斯,杰弗里:信息流度量的公理化(2019)
  10. 查特吉,塔尼玛;达斯古塔,巴斯卡;摩巴舍利,拿辛;斯里尼瓦桑,文卡库马尔;Yero,Ismael G.:关于主动攻击下大型网络隐私措施的三个问题的计算复杂性(2019)
  11. 郭桃林;罗俊洲;东,凯;杨明:基于局部差异私人项目的协同过滤(2019)
  12. 李晓光;李辉;朱辉;Huang,Muyang:差分隐私下Laplace机制查询数的最优上界(2019)
  13. 麦基弗,A.K。;摩根,哥伦比亚特区。;Rabehaja,T.:定量信息流的程序代数(2019)
  14. 莫内德罗,大卫雷博罗;迈哲尔,艾哈迈德·穆罕默德;科罗姆,泽维尔·卡萨诺瓦;福尔内,乔迪;Soriano,Miguel:通过主成分分析对多元数值数据进行有效(k)-匿名微聚集(2019)
  15. 沃呼,特里当;布拉斯,埃里克·奥利弗;格瓦拉努比尔:史诗:MapReduce高效隐私保护计数(2019)
  16. 杨静;李小叶;孙振龙;张建培:协同过滤的差异隐私框架(2019)
  17. 巴林托,安德烈斯福。;博尔顿,亚历山大;巴尔马特,汤姆;雷特,杰罗姆P。;德菲格雷多,约翰M。;马查纳瓦贾哈拉,阿什温;陈燕;克内菲尔,查理;马克·德隆:《通过综合与验证提供对机密研究数据的访问:对美国联邦政府雇员数据的应用》(2018)
  18. 本尼迪克,迈克尔;格劳贝尔纳多·昆卡;Kostylev,Egor V.:基于本体的数据集成中信息披露的逻辑基础(2018)
  19. 布林格曼,卡尔;弗里德里希,托比亚斯;Krohmer,Anton:拟线性时间下异构随机图的去匿名化(2018)
  20. 卡提瓦,瓦布哈夫;帕斯夸莱蒂,法比奥;Gupta,Vijay:多智能体系统中的隐私与合作(2018)