Blowfish 隐私：利用策略调节隐私 - 效用权衡

隐私定义提供了一种方法，用于在统计数据库中个体的隐私与数据的下游分析效用之间进行权衡。本文提出了 Blowfish，这是一类受 Pufferfish 框架启发的隐私定义，为这种权衡提供了丰富的接口。具体而言，我们允许数据发布者通过策略扩展差分隐私，该策略指定了 (a) 秘密，即必须保密的信息，以及 (b) 关于数据可能已知的约束。虽然秘密规范通过减少对某些个体属性的保护来提高效用，但约束规范则针对知晓数据中相关性（源于约束）的对手提供了额外的保护。我们将策略形式化，并提出了能够处理敏感信息的一般规范及特定计数约束的新颖算法。我们表明，在合理的策略下，我们针对 k-means 聚类、直方图和范围查询的隐私机制引入的噪声显著少于其差分隐私对应物。我们在真实数据集上通过分析和实证方法量化了各种策略下的隐私 - 效用权衡。