依赖于年龄的差分隐私

实时应用的激增促使了在信息年龄背景下分析和优化数据新鲜度的广泛研究。然而，经典的隐私框架（例如差分隐私（DP））忽视了数据新鲜度对隐私保障的影响，这可能导致在时变数据库中试图实现有意义的隐私保障时产生不必要的精度损失。本工作中，我们引入依赖于年龄的 DP（age-dependent DP），考虑了时变数据库的底层随机特性。在这一新框架中，我们建立了经典 DP 与依赖于年龄的 DP 之间的联系，并据此刻画数据陈旧度与时间相关性对隐私保障的影响。我们的刻画表明，老化（aging，即使用陈旧数据输入和/或推迟输出发布）可成为传统 DP 框架中噪声注入之外保护数据隐私的新策略。此外，为将结果推广至多查询场景，我们给出了在任意发布与老化策略下依赖于年龄的 DP 的顺序组合结果。随后我们刻画了隐私风险与效用之间的最优权衡，并展示如何实现该权衡。最后，案例研究表明，在单查询情形下为实现任意小隐私风险的目标，结合老化与噪声注入仅导致有界的精度损失，而仅使用噪声注入（如 DP 基准情形）将导致无界的精度损失。