Differentially private inference framework of Riemannian manifold data

Resumo Técnico: Framework de Inferência com Privacidade Diferencial para Dados de Variedades Riemannianas

Declaração do Problema
À medida que a coleta de dados avança, conjuntos de dados complexos residem cada vez mais em espaços não euclidianos, especificamente variedades Riemannianas. Exemplos proeminentes incluem o espaço de Matrizes Simétricas Positivas Definidas (MSPDs) utilizado em imagens médicas (por exemplo, Imageamento por Tensor de Difusão) e a hipersfera utilizada em estatística direcional (por exemplo, dados de julgamento sociológico). Embora a Privacidade Diferencial (PD) tenha sido estabelecida como um framework formal para proteger dados euclidianos, sua extensão para dados com valores em variedades permanece amplamente inexplorada. Os principais desafios incluem a ausência de uma estrutura de espaço vetorial (impedindo a adição direta de ruído euclidiano), a complexidade analítica introduzida pela curvatura da variedade e a falta de procedimentos de inferência estatística (como consistência e Teoremas do Limite Central) que garantam privacidade nessas geometrias. Este artigo aborda o problema de inferência para a média e a variância de Fréchet de dados confidenciais definidos em uma variedade Riemanniana de dimensão $d$ sob um framework de PD.

Metodologia
Os autores propõem um framework sistemático para estimação e inferência com privacidade diferencial (PD) da média de Fréchet populacional ($\eta$) e da variância de Fréchet ($V$). A metodologia é construída sobre dois mecanismos de PD distintos, adaptados a estruturas geométricas específicas:

1. Mec Gaussiano Riemanniano (RG): Projetado para variedades homogêneas com curvatura positiva (por exemplo, esferas). Este mecanismo injeta ruído diretamente na variedade usando uma distribuição Gaussiana Riemanniana, $N^{RG}(\eta, \sigma)$, definida por uma densidade proporcional a $\exp(-\rho^2(y, \eta)/2\sigma^2)$.
2. Mec Gaussiano Exponencial-Envolvido (EWG): Projetado para variedades de Hadamard (variedades completas, simplesmente conexas com curvatura seccional não positiva, por exemplo, espaços de MSPDs com métricas invariantes por afinidade). Este mecanismo aproveita a estrutura do espaço tangente, empurrando adiante uma distribuição Gaussiana do espaço tangente através do mapa exponencial ($\exp_p$).

Principais Contribuições Técnicas:

• Calibração Analítica de Privacidade: Diferentemente de trabalhos anteriores que dependiam de procedimentos de Monte Carlo via Cadeias de Markov (MCMC) computacionalmente caros para calibrar níveis de ruído para variedades de curvatura constante, este artigo deriva uma relação explícita e analítica entre a sensibilidade da média de Fréchet, a geometria Riemanniana e o orçamento de privacidade ($\mu$). Isso permite o cálculo direto do parâmetro de escala do ruído $\sigma$ sem inverter numericamente o orçamento de privacidade.
• Teoria Assintótica: Os autores estabelecem a consistência de $\sqrt{n}$ dos estimadores de PD propostos. Além disso, provam Teoremas do Limite Central (TLCs) tanto para a média de Fréchet de PD quanto para a variância. Esses resultados consideram a geometria intrínseca da variedade, especificamente o Hessiano esperado da função de distância ao quadrado, e abordam o fenômeno de "embaçamento" (taxas de convergência mais lentas) quando as suposições padrão falham.
• Procedimentos de Inferência: O framework fornece um conjunto completo para inferência estatística, incluindo a construção de regiões de confiança assintóticas para a média de Fréchet e intervalos de confiança para a variância de Fréchet.
• Estimação Privada de Variância: Para permitir inferência válida, o artigo propõe estimadores de PD consistentes para os componentes de variância assintótica (matrizes $\Lambda$ e $C$) e a variância limite do estimador de variância, utilizando mecanismos Gaussianos nas formas vetorizadas dessas estatísticas.

Resultados
As metodologias propostas foram validadas por meio de extensos experimentos numéricos e aplicações do mundo real:

• Simulações: Experimentos na esfera unitária ($S^2$) e no espaço de MSPDs ($S^+_2$) demonstraram que a lacuna entre os estimadores de PD e não-PD diminui à medida que o orçamento de privacidade aumenta. As taxas de cobertura das regiões de confiança de PD construídas permaneceram próximas ao nível nominal (por exemplo, 95%) em vários orçamentos de privacidade.
• Aplicações do Mundo Real:
  • Imagens Médicas: Aplicado ao conjunto de dados OCTMNIST (escaneamentos de OCT retiniana mapeados para MSPDs). O framework construiu com sucesso regiões de confiança de PD para diferentes classes de diagnóstico, mostrando que orçamentos de privacidade moderados ($\mu=1, 2$) produzem regiões próximas às contrapartes não-PD, enquanto a privacidade forte ($\mu=0.1$) infla adequadamente a incerteza.
  • Dados Sociológicos: Aplicado a dados de julgamento ocupacional em uma esfera. As regiões de confiança de PD para diferentes critérios (Remuneração, Status Social, etc.) mantiveram a capacidade de distinguir entre padrões latentes mesmo sob restrições de privacidade, com regiões contraindo-se em direção às estimativas não-PD à medida que $\mu$ aumentava.

Significado e Afirmações
O artigo afirma ser o primeiro a abordar o problema de inferência de PD para média e variância de Fréchet em variedades Riemannianas, utilizando mecanismos de privacidade inovadores e um framework geral e implementável. Seu significado reside em:

1. Ponte entre Geometria e Privacidade: Adapta com sucesso o espírito da PD euclidiana a espaços curvos, vinculando a calibração de ruído à sensibilidade geométrica intrínseca, respeitando a curvatura e a falta de estrutura linear.
2. Praticidade: Ao fornecer fórmulas de calibração analíticas, o framework elimina a necessidade de procedimentos MCMC personalizados ou inversões de orçamento opacas, tornando a inferência de PD em variedades computacionalmente viável para aplicações do mundo real.
3. Rigor Estatístico: Entrega consistência raiz-$n$, TLCs e quantificação válida de incerteza (regiões de confiança) sob restrições de privacidade, incluindo o tratamento de complexidades geométricas como o embaçamento.

Os autores observam limitações, especificamente que o framework opera sob um modelo de PD central com um agregador confiável e não fornece atualmente garantias de privacidade local contra o curador, o que apresenta desafios para trabalhos futuros devido à geometria não linear das variedades.