若能缓存，尽可缓存：面向差分隐私数据探索的精度感知推理引擎
密码学与安全
2022-11-30 v1 数据库
摘要
差分隐私（DP）允许数据分析师查询包含用户敏感信息的数据库，同时为用户提供可量化的隐私保证。近期诸如APEx等交互式差分隐私系统为查询响应提供精度保证，但由于它们独立处理传入查询而不考虑历史查询，因此无法在有限的总隐私预算下支持大量查询。我们提出了一个交互式、精度感知的差分隐私查询引擎CacheDP，它利用一个差分隐私的过往响应缓存，以更低的隐私预算回答当前工作负载，同时满足严格的精度保证。我们通过新颖的缓存感知差分隐私成本优化，将复杂的差分隐私机制与我们的结构化缓存相结合。我们的全面评估表明，与相关工作相比，CacheDP能够准确回答各种工作负载序列，同时降低隐私损失。
引用
@article{arxiv.2211.15732,
title = {Cache Me If You Can: Accuracy-Aware Inference Engine for Differentially Private Data Exploration},
author = {Miti Mazmudar and Thomas Humphries and Jiaxiang Liu and Matthew Rafuse and Xi He},
journal= {arXiv preprint arXiv:2211.15732},
year = {2022}
}
备注
To appear in VLDB'23