データ破損下でのロバストカーネル仮説検定

データ破損下でのロバストな順列検定を構築するための2つの一般的な方法を提案します。提案された検定は、データ破損下での非漸近的な第一種誤りを効果的に制御し、最小限の条件下でその力の一貫性を証明します。これは、潜在的な敵対攻撃を持つ実世界のアプリケーションに対する仮説検定の実際の展開に寄与します。私たちの方法の一つは、自動的に差分プライバシーを確保し、プライベートデータ分析への適用をさらに広げます。二標本設定および独立性設定において、我々のカーネルロバスト検定はミニマックス最適であり、カーネルMMDおよびHSICメトリクスにおいて帰無仮説から一様に分離された代替に対して非漸近的に強力であることが保証されていることを示します（厳密に一致する下限を持つ最適レートで）。最後に、公開可能な実装を提供し、提案された検定の実用性を経験的に示します。