一种基于数学优化的 m-不变性问题新方法
密码学与安全
2023-06-28 v1 最优化与控制
摘要
在各类数据使用及保护数据的法律同步增长的企业与科学环境中，确保共享个人信息用户隐私的问题日益成为优先事项。针对静态发布（即信息仅发布一次）已广泛开发不同技术，如 k-匿名与 ε-差分隐私。在微数据信息动态发布的情况下，尽管已存在 m-不变性与 τ-安全性等既定概念，但提升效用的进展仍较肤浅。我们针对 m-不变性与 τ-安全性这一 NP-hard 组合问题提出一种基于数学优化列生成方案的新型启发式方法。m-不变性与 τ-安全性解的质量可由信息损失（IL）衡量，其为 [0,100] 中的值，越接近 0 越好。我们表明，我们的方法远优于当前启发式方法，在某些实例中提供 IL 分别为 1.87、8.5 和 1.93 的解，而最先进方法报告的 IL 分别为 39.03、51.84 和 57.97。
引用
@article{arxiv.2306.15371,
title = {A New Mathematical Optimization-Based Method for the m-invariance Problem},
author = {Adrian Tobar and Jordi Castro and Claudio Gentile},
journal= {arXiv preprint arXiv:2306.15371},
year = {2023}
}