融合差分隐私的 SRS 数据周期性发布匿名化方法
密码学与安全
2022-11-22 v1
摘要
自发报告系统(SRS)已被开发用于收集不良事件记录，这些记录包含个人人口统计信息以及药物适应症和不良反应等敏感信息。SRS 数据的发布可能会泄露数据提供者的隐私。与其他微数据不同，极少有匿名化方法被提出用于在发布 SRS 数据时保护个体隐私。MS(k, {\theta}*)-bounding 是首个考虑多条个体记录、多值敏感属性和罕见事件的 SRS 数据隐私模型。随后提出的 PPMS(k, {\theta}*)-bounding 用于解决周期性 SRS 发布场景中由后续病例引起的跨发布攻击。微数据匿名化近期的一个趋势是将传统的语法模型与差分隐私相结合，融合两种模型的优势以产生更好的隐私保护方法。本文提出 PPMS-DP(k, {\theta}*, {\epsilon}) 框架，这是对 PPMS(k, {\theta}*)-bounding 的增强，其引入差分隐私以改进周期性发布的 SRS 数据的隐私保护。我们提出了两种符合 PPMS-DP(k, {\theta}*, {\epsilon}) 框架的匿名化算法，PPMS-DPnum 和 PPMS-DPall。在 FAERS 数据集上的实验结果表明，PPMS-DPnum 和 PPMS-DPall 均在不牺牲数据失真和数据效用的前提下，提供了显著优于 PPMS-(k, {\theta}*)-bounding 的隐私保护。
引用
@article{arxiv.2211.10648,
title = {Anonymizing Periodical Releases of SRS Data by Fusing Differential Privacy},
author = {Yi-Yuang Wu and Zhi-Xun Shen and Wen-Yang Lin},
journal= {arXiv preprint arXiv:2211.10648},
year = {2022}
}
备注
10 pages, 11 figures