指标差分隐私十年进展与应用
密码学与安全
2025-09-17 v2
摘要
指标差分隐私 (mDP) 在差分隐私 (DP) 的核心原则基础上，融合多种距离度量方式，为位置服务、文本分析和图像处理等广泛应用提供灵活且具有上下文敏感性的隐私保障。自 2013 年提出以来，mDP 已引起大量研究关注，推动了理论基础、算法设计及实际实现方面的进展。尽管如此，现有综述主要聚焦于传统 DP 和本地 DP，mDP 覆盖有限。本文综述了 2013-2024 年 mDP 的研究，追溯其从 DP 基础发展而来。我们归纳关键机制，包括拉普拉斯、指数及优化方法，并评估其优势、局限及应用领域。此外，本文概述了关键挑战，并阐述未来研究方向，以鼓励创新和实际应用 mDP。本综述旨为希望深入了解并推动 mDP 在更广泛隐私生态系统中发展的研究者和实践者提供宝贵资源。
引用
@article{arxiv.2502.08970,
title = {A Decade of Metric Differential Privacy: Advancements and Applications},
author = {Xinpeng Xie and Chenyang Yu and Yan Huang and Yang Cao and Chenxi Qiu},
journal= {arXiv preprint arXiv:2502.08970},
year = {2025}
}