$\alpha$-互信息：一种用于数据共享中隐私保护的可调隐私度量

本文采用Arimoto的$\alpha$-互信息作为可调隐私度量，应用于旨在防止向对手泄露私有数据的隐私保护数据发布场景。通过微调该隐私度量，我们展示了所提方法能产出在多个性能维度上有效抵御攻击者的更优模型。我们构建了基于失真的一般性机制，通过对原始数据进行操控来提供隐私保护。失真度量依据特定实验的数据结构确定。我们采用由发布者与对手组成、以相反目标训练的通用对抗式深度学习框架，来解决公式化表达中的问题。本研究在图像与时间序列数据上进行了实证实验，以验证$\alpha$-互信息的功能。我们评估了定制模型的隐私-效用权衡，并与以互信息为基线度量的情形进行比较。最后，我们分析了攻击者获取私有数据侧信息的后果，并观察到相较于最先进技术，调整隐私度量可得到在抵御侧信息鲁棒性方面更精细的模型。