#gradient-flow

共收录 1 条相关安全情报。

← 返回所有主题
👥 作者: Aratrika Mustafi, Soumya Mukherjee

本文研究了球面 Hellinger-Kantorovich (SHK) 梯度流的稳定性及其在差分隐私 (DP) 中的应用。SHK 几何将运输和反应耦合,其梯度流与生灭 Langevin 动力学一致,可用于从 Gibbs 分布中采样。作者提出了一种扰动理论,针对两个不同势函数 V 和 V',从相同的初始分布出发,比较它们对应的 SHK 梯度流,并量化势函数差异随时间的传播效应。通过统一的扰动界,获得了对数似然比和 Rényi 散度的无维点态控制;在额外结构条件下,还导出了 KL 散度的界。这些结果被应用于差分隐私中指数机制的近似采样:对数似然比控制提供了基于 SHK 采样器的显式时间相关纯 DP 保证,而 KL 散度界则通过曲棍球棒散度给出近似 DP 证书。此外,本文还推导了一个效用界,将指数机制固有的次优性与有限时间采样误差分离开来。该工作为基于梯度流的隐私保护采样算法提供了理论支撑,揭示了势函数扰动对采样分布隐私保证的影响机制。

💡 推荐理由: 为差分隐私中的近似采样提供了新颖的理论分析工具,特别是基于 SHK 几何的梯度流方法,有助于设计更高效的隐私保护采样算法。

🎯 建议动作: 研究跟进

排序因子: 来自 arXiv 其他板块 (+2) | Community 数据源 (+1) | LLM 评分加成 (+0.5)