局部差分隐私框架下一种改进的 Christofides 机制
密码学与安全
2023-03-06 v2 统计理论
统计理论
摘要
互联网技术的发展使得对全体人口而非一定数量样本的分析成为可能，并导致对隐私保护的需求日益增长。局部差分隐私（LDP）是一种有效的隐私度量标准；然而，其均值估计的大方差给应用带来了挑战。为解决该问题，本文提出一种新的 LDP 方法——改进的 Christofides 机制。其比较了四种用于敏感话题调查的统计调查方法——改进的 Warner、Simmons、Christofides 以及改进的 Christofides 机制。具体而言，Warner、Simmons 和 Christofides 机制已被改进为从总体中无放回抽样，以降低方差。此外，基于改进的 Christofides 机制通过无放回抽卡，我们引入了一种称为改进 Christofides 机制的新机制，在将 LDP 用作隐私泄露度量时，于特定假设下被发现具有最小方差。该假设在现实世界中通常成立。实际上，基于真实世界数据集 IPUMS USA 的 HCOVANY 数据集，我们在实验中将方差降低至改进 Christofides 机制方差的 28.7%。这意味着我们的方法在使用 LDP 作为隐私泄露度量时获得了更精确的估计。这是首次基于四种机制以 LDP 作为相同隐私泄露度量的比较分析，提出用于 LDP 框架的改进 Christofides 机制。
引用
@article{arxiv.2303.00857,
title = {An Improved Christofides Mechanism for Local Differential Privacy Framework},
author = {She Sun and Li Zhou and Xiaoran Yan},
journal= {arXiv preprint arXiv:2303.00857},
year = {2023}
}