如何理解对抗鲁棒性和差分隐私？【MIT】鲁棒性意味着统计估计中的隐私，87页pdf

**本文研究了高维算法统计中对抗鲁棒性和差分隐私之间的关系。**本文给出了第一个从隐私到鲁棒性的黑盒约简，可以为广泛的基本高维参数估计问题(包括均值和协方差估计)产生在样本复杂度、精度和隐私之间的最佳权衡的私有估计器。在一些重要的特殊情况下，这种约简可以在多项式时间内实现。特别地，本文基于平方和方法，对高维高斯的均值和协方差采用近似最优的多项式时间鲁棒估计，设计了第一个多项式时间的近似最优的样本-精度-隐私折中估计器。该算法对恒定比例的对抗性损坏样本也具有鲁棒性。