Key points are not available for this paper at this time.
많은 프라이버시 메커니즘은 잡음 있는 측정을 통해 데이터 분포에 대한 고수준 정보를 드러냅니다. 이 정보를 사용하여 새로운 질문에 대한 답을 추정하는 것이 일반적입니다. 본 연구에서는 그래픽 모델을 사용하여 이 추정 문제를 효율적으로 해결하는 접근 방식을 제공합니다. 이는 분포가 고차원일 때 특히 효과적이며 측정은 저차원 주변에 대해 이루어집니다. 우리는 우리의 접근 방식이 기존의 프라이버시 문헌의 추정 기술보다 훨씬 더 효율적이며, 많은 최신 메커니즘의 정확성과 확장성을 향상시킬 수 있음을 보여줍니다.
McKenna et al. (토요일)이 이 질문을 연구했습니다.