一种用于发布节点本地差分隐私下图统计量的密码学辅助方法
密码学与安全
2023-04-18 v2
摘要
在节点差分隐私下发布图统计量因比边差分隐私提供更强的隐私保证而备受关注。现有与节点差分隐私相关的工作均假设存在一个持有整个图的可信数据管理者。然而，在许多应用中，由于隐私与安全问题，通常不存在可信管理者。本文首次研究了在节点本地差分隐私（Node-LDP）下发布图度分布的问题，该方法不依赖于可信服务器。我们提出了一种通过探索如何选择最优图投影参数以及如何执行本地图投影来在 Node-LDP 下发布度分布的算法。具体而言，我们提出了一种结合 LDP 与密码学原语的密码学辅助本地投影方法，相比我们的基线 PureLDP 本地投影方法获得了更高的准确性。另一方面，我们通过提出一种保留更多邻域信息并提供更好效用的边级参数选择，改进了我们的基线节点级参数选择。最后，在真实图上的大量实验表明，边级本地投影比节点级本地投影具有更高的准确性，且密码学辅助参数选择比 PureLDP 参数选择具有更好的效用，分别提升了高达 79.8% 和 57.2%。
引用
@article{arxiv.2209.02231,
title = {A Crypto-Assisted Approach for Publishing Graph Statistics with Node Local Differential Privacy},
author = {Shang Liu and Yang Cao and Takao Murakami and Masatoshi Yoshikawa},
journal= {arXiv preprint arXiv:2209.02231},
year = {2023}
}
备注
Accepted by IEEE BigData 2022, https://ieeexplore.ieee.org/document/10020435