差分プライバシー付き・予測区間の適合予測（Differentially Private Conformal Prediction）
arXiv stat.ML / 2026/4/17
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- 本論文は、不確実性推定のための枠組みである適合予測（CP）を、統計的に効率よく差分プライバシー（DP）下で運用する手法を検討している。
- まずデータ分割による効率低下を避ける「差分CP（differential CP）」を提案し、DPメカニズムの安定性を活用してオラクルCPとの関係を確立する。
- その考え方を基に、DPモデル学習と私的な分位点メカニズムによるキャリブレーションを組み合わせた「差分プライバシー付き適合予測（DPCP）」を提示する。
- DPCPについてエンドツーエンドのプライバシー保証と、追加の正則条件のもとでのカバレッジ特性（予測区間の妥当性）を分析している。
- 合成データおよび実データでの実験により、同じプライバシーバジェット下でDPCPが既存のプライベート分割Conformal手法よりもより狭い予測集合を作れることを示している。
