PCOR: Private Contextual Outlier Release via Differentially Private\n Search
Notice bibliographique
Résumé
Outlier detection plays a significant role in various real world applications\nsuch as intrusion, malfunction, and fraud detection. Traditionally, outlier\ndetection techniques are applied to find outliers in the context of the whole\ndataset. However, this practice neglects contextual outliers, that are not\noutliers in the whole dataset but in some specific neighborhoods. Contextual\noutliers are particularly important in data exploration and targeted anomaly\nexplanation and diagnosis. In these scenarios, the data owner computes the\nfollowing information: i) The attributes that contribute to the abnormality of\nan outlier (metric), ii) Contextual description of the outlier's neighborhoods\n(context), and iii) The utility score of the context, e.g. its strength in\nshowing the outlier's significance, or in relation to a particular explanation\nfor the outlier. However, revealing the outlier's context leaks information\nabout the other individuals in the population as well, violating their privacy.\nWe address the issue of population privacy violations in this paper, and\npropose a solution for the two main challenges. In this setting, the data owner\nis required to release a valid context for the queried record, i.e. a context\nin which the record is an outlier. Hence, the first major challenge is that the\nprivacy technique must preserve the validity of the context for each record. We\npropose techniques to protect the privacy of individuals through a relaxed\nnotion of differential privacy to satisfy this requirement. The second major\nchallenge is applying the proposed techniques efficiently, as they impose\nintensive computation to the base algorithm. To overcome this challenge, we\npropose a graph structure to map the contexts to, and introduce differentially\nprivate graph search algorithms as efficient solutions for the computation\nproblem caused by differential privacy techniques.\n
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,005 | 0,011 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».