在隐私数据分析中根据灵敏度校准数据
密码学与安全
2015-03-20 v5 社会与信息网络
摘要
我们提出了一种差分隐私计算方法，其中不增加困难查询的噪声幅度，而是按比例减少困难记录的贡献。虽然均匀地按比例减少所有记录等同于增加噪声幅度，但我们表明非均匀地按比例减少记录可以通过绕过差分隐私对噪声幅度的最坏情况要求，从而获得显著更高的精度。本文详细介绍了数据分析平台wPINQ，它将隐私集成查询（PINQ）推广到加权数据集。使用几个简单的算子（包括非均匀缩放的Join算子），wPINQ可以重现（并改进）最近在图分析方面的几个结果，并引入新的推广（例如，计数具有给定度数的三角形）。我们还展示了如何集成概率推断技术来合成尊重更复杂（且更不易解释）测量的数据集。
引用
@article{arxiv.1203.3453,
title = {Calibrating Data to Sensitivity in Private Data Analysis},
author = {Davide Proserpio and Sharon Goldberg and Frank McSherry},
journal= {arXiv preprint arXiv:1203.3453},
year = {2015}
}
备注
17 pages