BLENDER：基于混合差分隐私模型实现本地搜索
密码学与安全
2019-11-25 v4 计算机与社会
信息检索
机器学习
摘要
我们提出一种混合差分隐私模型，该模型考虑了常规用户和选择加入（opt-in）用户的组合，他们分别期望获得本地隐私模型和可信 curator 模型的差分隐私保证。我们证明在该模型内，可以设计一种新型混合算法用于私有计算搜索日志的头部。这种混合方法相比相关工作在所获数据的效用方面有显著改进，同时为用户提供其期望的隐私保证。具体而言，在两个大型搜索点击数据集（分别为1.75和16 GB）上，我们的方法在一系列隐私预算值下达到了超过95%的NDCG值。
引用
@article{arxiv.1705.00831,
title = {BLENDER: Enabling Local Search with a Hybrid Differential Privacy Model},
author = {Brendan Avent and Aleksandra Korolova and David Zeber and Torgeir Hovden and Benjamin Livshits},
journal= {arXiv preprint arXiv:1705.00831},
year = {2019}
}
备注
Proceedings of the 26th USENIX Security Symposium (USENIX Security 17). August 16-18, 2017, Vancouver, BC. ISBN 978-1-931971-40-9