面向隐私保护合成数据生成的隐私指标综述
密码学与安全
2025-07-23 v2 数据库
摘要
隐私保护合成数据生成 (PP-SDG) 已涌现出用于在保持隐私与实用性之间平衡的生成合成数据集的方法。差分隐私 (DP) 是 PP-SDG 机制的属性，揭示了在共享敏感数据时的保护程度。然而，DP 表达的隐私预算 () 难以解释。为使隐私预算实际风险更加透明，已提出多种隐私指标 (PMs) 来评估数据风险。这些 PMs 被用于独立研究中来评估新近提出的 PP-SDG 机制。因此，这些 PMs 所依据的假设与所评估的 PP-SDG 机制相同。因此，必须对其计算方式进行详尽定义。本文概述了 17 种不同隐私指标的假设和数学公式。
引用
@article{arxiv.2507.11324,
title = {A Review of Privacy Metrics for Privacy-Preserving Synthetic Data Generation},
author = {Frederik Marinus Trudslev and Matteo Lissandrini and Juan Manuel Rodriguez and Martin Bøgsted and Daniele Dell'Aglio},
journal= {arXiv preprint arXiv:2507.11324},
year = {2025}
}