Newest papers

Differential privacy with adjustable preservation of multivariate relationships

Nicolas Ruiz · 2026 · arXiv (Cornell University)

DOI: 10.48550/arxiv.2610.26460 · cited by 0 works (OpenAlex) · open-access PDF

Vietnamese

Bài báo này dẫn ra một công thức giảm thiểu chính xác cho các điểm giao thoa đa biến dưới sự riêng tư khác biệt đạt được thông qua phản ứng ngẫu nhiên. Từ một công thức thay thế được đề xuất của các ma trận ngẫu nhiên phù hợp với các bảo đảm riêng tư khác biệt, chúng tôi cho thấy rằng, dưới sự ngẫu nhiên hóa cấp thuộc tính và nơi sự ngẫu nhiên hóa của toàn bộ phân phối được đặc trưng bởi các sản phẩm Kronecker, bất kỳ điểm giao thoa nào của bộ dữ liệu ẩn danh liên quan đến các thuộc tính khác nhau là bằng với điểm giao thoa ban đầu nhân lên bởi các thông số giảm thiểu, tự xác định bởi một phần của ngân sách bảo mật tổng thể được phân bổ cho mỗi thuộc tính. Đặc điểm này cho phép kiểm soát rõ ràng và minh bạch các mối quan hệ đa biến trong bảo vệ sự riêng tư khác nhau thông qua việc phân bổ ngân sách

Machine translation (Meta M2M100); the English original follows.

Abstract

This paper derives an exact attenuation formula for multivariate cross-moments under differential privacy achieved through randomized response. From a proposed alternative formulation of randomization matrices compliant with differential privacy guarantees we show that, under attribute-level randomization and where the randomization of the whole distribution is characterized by Kronecker products, any cross-moment of the anonymized dataset involving distinct attributes is equal to the original cross-moment multiplied by attenuation parameters, themselves determined by the part of the overall privacy budget allocated to each attribute. This characterization enables explicit and transparent controls of multivariate relationships preservations in differential privacy through privacy budget allocation. A simple numerical illustration demonstrates that identical total budgets can yield substantially different covariance-preservation profiles. The results also make the multiplicative loss of higher-order interactions explicit and thus can support mechanism design guided by analytical priorities.

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Topics: Differential privacy, Multivariate statistics, Multiplicative function, Randomized response, Kronecker product, Differential (mechanical device)

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange