使用广义差分隐私的作者混淆
密码学与安全
2018-05-24 v1
摘要
混淆文本文档作者身份的问题迄今为止在文献中很少受到关注。当前方法是临时的，并依赖于关于对手辅助知识的假设，这使得难以推理这些方法的隐私属性。差分隐私是一种众所周知且鲁棒的隐私方法，但其对数据集间邻接概念的依赖阻碍了其在文本文档隐私上的应用。然而，广义差分隐私允许将差分隐私应用于赋予度量的任意数据集，并已在涉及发布个体数据点的问题中得到证明。在本文中，我们展示如何通过利用文体测量与自然语言处理文献中的现有工具与方法来将广义差分隐私应用于作者混淆。
引用
@article{arxiv.1805.08866,
title = {Author Obfuscation Using Generalised Differential Privacy},
author = {Natasha Fernandes and Mark Dras and Annabelle McIver},
journal= {arXiv preprint arXiv:1805.08866},
year = {2018}
}