局部差分隐私下的范围查询应答
数据库
2019-01-01 v2
摘要
统计总体中拥有落在指定区间内（即\emph{范围查询}）输入的比例，是一种基本的数据分析原语。范围查询也可用于计算其他有趣的统计量，如\emph{分位数}，以及构建预测模型。然而，当数据取自个体并涉及例如其财务、健康、宗教或政治状况时，常面临隐私问题。本文中，我们引入并分析了在差分隐私的局部变体（一种新兴的隐私保护数据分析标准）下支持范围查询的方法。局部模型要求每个用户在隐私保证下发布其私有数据的含噪视图。尽管许多工作解决了可信聚合器设定下的范围查询问题，该问题在不可信聚合（局部 DP）模型下尚未被专门探讨，尽管近期已开发出许多用于估计离散分布的基元。我们描述并分析了两类基于层次直方图与 Haar 小波变换的范围查询方法。我们表明二者在方差上均具有强的理论精度保证。实践中，两种方法均快速且所需计算与通信资源极少。我们的实验表明，小波方法在高隐私设定下最准确，而层次方法在较弱隐私要求下占优。
引用
@article{arxiv.1812.10942,
title = {Answering Range Queries Under Local Differential Privacy},
author = {Tejas Kulkarni and Graham Cormode and Divesh Srivastava},
journal= {arXiv preprint arXiv:1812.10942},
year = {2019}
}