Chained-DP：我们能否回收隐私预算？
密码学与安全
2023-09-20 v3 分布式、并行与集群计算
计算机科学与博弈论
摘要
隐私保护向量均值估计是联邦分析中的关键原语。现有做法通常诉诸本地差分隐私(LDP)机制，在用户与中心服务器通信时向用户向量中注入随机噪声。由于隐私-效用的权衡，隐私预算已被广泛认为是需要妥善配置的关键瓶颈资源。本文探讨隐私预算回收的可能性，提出一种新颖的Chained-DP框架，使用户能够顺序执行数据聚合以回收隐私预算。我们建立序贯博弈来建模框架中的用户交互。理论上揭示了该序贯博弈的数学本质，求解其纳什均衡，并设计了具有可证明经济性质的激励机理。我们进一步推导出差分隐私保证的协议，以缓解潜在的隐私合谋攻击，避免整体暴露。数值仿真验证了Chained-DP的有效性，表明相比传统LDP机制，它能显著节省隐私预算并降低估计误差。
引用
@article{arxiv.2309.07075,
title = {Chained-DP: Can We Recycle Privacy Budget?},
author = {Jingyi Li and Guangjing Huang and Liekang Zeng and Lin Chen and Xu Chen},
journal= {arXiv preprint arXiv:2309.07075},
year = {2023}
}
备注
Insufficient completion