差分隐私与差分隐私机器学习的进展
密码学与安全
2024-04-09 v1
摘要
近年来，关于差分隐私（DP）及其各种应用的研究激增，涵盖差分隐私的新变体与记账技术、蓬勃发展的差分隐私机器学习（DPML）领域，以及各公司和组织（如人口普查局）在实践中更新的实现。最近的综述主要聚焦于特定背景下差分隐私的应用，如数据发布、特定机器学习任务、非结构化数据分析、位置隐私等。因此，本工作旨在填补这一空白，提供一篇综述，主要讨论差分隐私理论的最新发展，以及较新的 DP 变体（即 Renyi DP 和 Concentrated DP）、新机制与技术，并相当详细地讨论差分隐私机器学习的理论发展。此外，本综述还讨论了其在实践中隐私保护机器学习方面的应用以及 DP 的若干实际实现。
引用
@article{arxiv.2404.04706,
title = {Advances in Differential Privacy and Differentially Private Machine Learning},
author = {Saswat Das and Subhankar Mishra},
journal= {arXiv preprint arXiv:2404.04706},
year = {2024}
}