差分隐私中未知域算法的统一隐私分析框架
密码学与安全
2024-08-05 v2
摘要
现有许多差分隐私算法用于在各种设定下发布直方图，即带相应标签的计数。本综述关注重新审视一些现有的用于发布未知域直方图的差分隐私算法，即待发布计数的标签事先未知。发布未知域直方图的主要实际优势在于算法无需填补缺失标签，因为这些标签不存在于原始直方图中，但在假设相邻数据集中可能出现在直方图里。然而，设计用于发布未知域直方图的差分隐私算法的挑战在于，某些输出可清晰显示使用了哪份输入，明显违反隐私。目标则是表明这些可区分的输出以极低概率发生。我们提出一个统一框架用于若干现有算法的隐私分析。此外，我们的分析采用 Bun 与 Steinke'16 的近似集中差分隐私，相较于直接使用差分隐私可改进隐私损失参数，尤其在整体系统中组合许多此类算法时。
引用
@article{arxiv.2309.09170,
title = {A Unifying Privacy Analysis Framework for Unknown Domain Algorithms in Differential Privacy},
author = {Ryan Rogers},
journal= {arXiv preprint arXiv:2309.09170},
year = {2024}
}