SSTQ：サブサンプリング確率的TurboQuantによるプライバシー保護ベクトル量子化

SSTQ:Privacy-Preserving Vector Quantization via Subsampled Stochastic TurboQuant

https://export.arxiv.org/api/query·2026/8/5

AI要約

SSTQは、通信コストを抑えつつ、ローカル差分プライバシーを達成するベクトル量子化手法です。プライバシー保護された分散最適化に貢献します。

AI要点

SSTQは、オーバーコンプリート等長タイフレーム、座標サブサンプリング、プライバシーを意識した1次元量子化を組み合わせたプライバシー保護ベクトル量子化フレームワークである。
SSTQは、フラットランダム化応答バージョンとメトリック認識ラプラスバージョンの2つのバリアントを含む。
SSTQは、クライアントあたり$\\\lceil \\log_2 N \\rceil + b$ビットのみを使用しながら、最適な平均二乗誤差スケーリングを達成する。
提案手法は、CIFAR-10およびFashion-MNISTを用いた連合学習タスクで、既存手法と比較して良好なユーティリティと通信効率を示した。

なぜ重要か

SSTQは、分散最適化におけるローカル差分プライバシーと低通信コストの両立という課題に対処し、プライバシーを保護しつつ効率的なベクトル量子化を実現することで、プライバシー重視の機械学習アプリケーションに貢献する。