差分隐私模型下中心性度量的分析
社会与信息网络
2021-08-17 v1
摘要
本文首次使用平滑敏感度方法，对任意加权图上三种中心性度量（即特征向量中心性、拉普拉斯中心性和接近中心性）的差分隐私计算进行了分析。为此，我们给出了随机算法为使每种度量的输出满足差分隐私所需添加的噪声量的下界。我们的结果表明，这些计算要么不可行（即存在平滑敏感度无界的大型图族），要么不实用（即即便在平滑敏感度有界的情况下，所需噪声量也会导致无法接受的巨大效用损失）。
引用
@article{arxiv.2103.03556,
title = {Analysis of centrality measures under differential privacy models},
author = {Jesse Laeuchli and Yunior Ramírez-Cruz and Rolando Trujillo-Rasua},
journal= {arXiv preprint arXiv:2103.03556},
year = {2021}
}