无妥协的点击：基于每用户差分隐私的在线广告测量
密码学与安全
2025-09-10 v4
摘要
在线广告是互联网生态系统的基石，广告测量在优化效率方面发挥着关键作用。广告测量涉及将所需行为（如购买）归因于跨平台的广告曝光， necessitating 在收集这些平台上的用户活动。随着隐私关注日益增加，此类做法面临越来越多限制。为此，我们首次将具有实时报告流媒体数据的广告测量系统面临的现实挑战形式化。我们引入AdsBPC（Click Without Compromise: Online Advertising Measurement via Per User Differential Privacy），一种用于在线广告测量结果的用户级差分隐私保护方案。该方法优化全局噪声功率，实现非相同分布的噪声分布，在保持差分隐私的同时提高测量准确性。通过在真实广告活动和合成数据集上的实验，AdsBPC在应用于广告测量的现有流式DP机制时，实现了33%至95%的准确性提升。这突显了该方法在实现卓越准确性并提供正式隐私保证方面的有效性，从而推动了隐私保护广告测量的前沿进展。
引用
@article{arxiv.2406.02463,
title = {Click Without Compromise: Online Advertising Measurement via Per User Differential Privacy},
author = {Yingtai Xiao and Jian Du and Shikun Zhang and Wanrong Zhang and Qiang Yan and Danfeng Zhang and Daniel Kifer},
journal= {arXiv preprint arXiv:2406.02463},
year = {2025}
}