כתבה
arXiv cs.LG ·
קופיות-מודל X דיפרנציאלי-פרטיות דרך תרגום לינדנשטראוס-ג'ונסון
Differentially Private Model-X Knockoffs via Johnson-Lindenstrauss Transform
אנו מציגים פרקטיקה חדשה של פרטיות לבחירת משתנים במצבי תכנון גבוה-מימד. הפרקטיקה שלנו מאפשרת שליטה רגולטורית על קצב התגלית השקרי (FDR) תחת תנאי פרטיות דיפרנציאלי. הפרקטיקה שלנו משתמשת בתרגום לינדנשטראוס-ג'ונסון, טכניקת הפחתת-מימד שמשמרת את היחסים הקוברטיביים דרך איזומטריה-מעגלית ל-(ε,δ)-דיפרנציאלי-פרטיות.
תקציר מקורי באנגליתarXiv:2508.04800v2 Announce Type: replace-cross Abstract: We introduce a novel privatization framework for high-dimensional controlled variable selection. Our framework enables rigorous False Discovery Rate (FDR) control under differential privacy constraints. While the Model-X knockoff procedure provides FDR guarantees by constructing provably exchangeable ``negative control" features, existing privacy mechanisms like Gaussian noise injection disrupt its core exchangeability conditions. In this work we consider privatizing the data knockoff matrix through Johnson--Lindenstrauss Transform (JLT), a dimension reduction technique that simultaneously preserves covariate relationships through approximate isometry for $(\epsilon,\delta)$-differential privacy. We theoretically characterize both F
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית