Blowfish 隐私下信道信息泄露的图对称化界
信息论
2021-10-14 v3 密码学与安全
机器学习
math.IT
机器学习
摘要
Blowfish 隐私是差分隐私的一种近期推广，它能够在维持具有语义保证的隐私策略的同时提升效用，这一因素推动了差分隐私在计算机科学中的普及。本文将 Blowfish 隐私与通信理论社区中信息信道隐私损失的一个重要度量联系起来：最小熵泄露。输入数据相邻关系中的对称性是差分隐私与最小熵泄露之间已知联系的核心。但是，尽管差分隐私表现出强对称性，由于该框架具有灵活的隐私策略，Blowfish 相邻关系对应于任意的简单图。为了界定 Blowfish 隐私机制的最小熵泄露，我们基于对应于图自同构群轨道的对称划分来组织分析。一个以渐近等式满足我们界的构造证明了该界的紧致性。
关键词
引用
@article{arxiv.2007.05975,
title = {A Graph Symmetrisation Bound on Channel Information Leakage under Blowfish Privacy},
author = {Tobias Edwards and Benjamin I. P. Rubinstein and Zuhe Zhang and Sanming Zhou},
journal= {arXiv preprint arXiv:2007.05975},
year = {2021}
}
备注
11 pages, 5 figures; accepted to IEEE Transactions on Information Theory