实现多变量时间序列数据的隐私与效用平衡
统计方法学
2024-11-27 v1 密码学与安全
摘要
在数据生产机构中，保持效用的隐私去标识化处理至关重要。流行的噪声添加隐私机制会扭曲时间序列数据中的自相关模式，从而损害效用；为此，McElroy 等人（2023）引入了全通滤波（all-pass filtering, FLIP）作为一种保持效用的时间序列数据隐私去标识化方法。将此概念适用于多变量数据更为复杂，本文提出一种多变量全通滤波（multivariate all-pass, MAP）方法，采用优化算法实现数据效用与隐私保护之间的最佳平衡。为测试我们方法的有效性，我们将 MAP 滤波应用于模拟数据和来自美国人口普查局的季度工作人数指标（Quarterly Workforce Indicator, QWI）数据集中的真实数据。
引用
@article{arxiv.2411.17035,
title = {Achieving Privacy Utility Balance for Multivariate Time Series Data},
author = {Gaurab Hore and Tucker McElroy and Anindya Roy},
journal= {arXiv preprint arXiv:2411.17035},
year = {2024}
}