无间隙差分隐私高斯数据主成分分析
Gap-free Differentially Private PCA for Gaussian Data
首次发表
浏览论文内容
中文总结 AI 辅助
提出一种针对高斯数据的无间隙差分隐私PCA算法，解决主成分分析中的隐私保护问题。
中文摘要 AI 辅助
我们针对高斯数据的主成分分析（PCA）问题，提出了一种无间隙差分隐私算法。
英文摘要
We give a gap-free $(ε,δ)$-differentially private algorithm for the principal component analysis (PCA) problem with Gaussian data. The algorithm is based on a private variant of the power iteration method, and it is computationally efficient.
