提高受约束参数差分隐私测量准确性的贝叶斯方法
统计方法学
2024-06-10 v1
摘要
正式的隐私规避技术是必要的，以确保已发布的数据不能用于识别关于个体的信息。向已发布数据添加统计噪声可实现差分隐私，这提供了正式的数学隐私保证。然而，噪声的添加会导致数据发布的精度低于若无噪声添加的情况，并且可能导致其中一些数据点呈现荒谬。例如，人口计数的估计值为负，或计数比值估计违反已知约束。一种确保已发布估计满足这些已知约束的 straightforward 方法是指定统计模型并在普查计数和比值上指定先验，以正确约束参数空间。我们利用拒绝抽样方法从后验分布中抽取样本，我们展示了此实现产生的估计保持正式隐私、比原始无约束噪声测量更精确，并且保证满足先验约束。
引用
@article{arxiv.2406.04448,
title = {Bayesian Methods to Improve The Accuracy of Differentially Private Measurements of Constrained Parameters},
author = {Ryan Janicki and Scott H. Holan and Kyle M. Irimata and James Livsey and Andrew Raim},
journal= {arXiv preprint arXiv:2406.04448},
year = {2024}
}