本地设置下的隐私保护数据发布综述
密码学与安全
2023-12-20 v1
摘要
收集、处理和共享数据的指数级增长引发了对个人隐私的担忧。因此，各种法律法规被制定出来以监督组织如何处理和保护数据。统计披露控制就是其中一种方法，旨在通过去标识化来最小化暴露机密信息的风险。这种去标识化是通过特定的隐私保护技术实现的。然而，这里存在一个权衡：去标识化数据通常会导致信息丢失，这可能影响数据分析的准确性和模型的预测能力。总体目标仍然是在保护个人隐私的同时，保持数据的可解释性，即其整体有用性。尽管统计披露控制取得了进展，该领域仍在不断发展，尚无定论能在隐私和效用之间取得最佳平衡。本综述深入探讨了去标识化的复杂过程。我们概述了当前用于微数据去标识化的隐私保护技术，深入研究了针对各种披露场景定制的隐私度量，并评估了信息丢失和预测性能的指标。在本文中，我们应对了隐私约束带来的主要挑战，概述了缓解这些挑战的主要策略，对隐私保护技术进行了分类，对当前的比较研究提供了理论评估，并突出了该领域众多未解决的问题。
引用
@article{arxiv.2312.11845,
title = {A Summary of Privacy-Preserving Data Publishing in the Local Setting},
author = {Wenjun Lin and Jiahao Qian and Wenwen Liu and Lang Wu},
journal= {arXiv preprint arXiv:2312.11845},
year = {2023}
}