利用本地差分隐私收集与分析智能设备用户数据
数据库
2016-06-17 v1
摘要
拥有庞大用户群的组织（如 Samsung 和 Google）可能会从收集和挖掘用户数据中受益。然而，这样做会引发隐私担忧，并面临发生严重后果的意外隐私泄露风险。本地差分隐私 (LDP) 技术通过仅收集每个用户的随机化答案来解决此问题，并保证合理的可否认性；同时，聚合者仍可以通过分析大量此类随机化数据来构建准确的模型和预测器。到目前为止，现有的 LDP 解决方案要么功能严重受限，要么主要关注渐近界等理论方面，而非实际可用性和性能。受此启发，我们提出了 Harmony，一个在满足 LDP 的同时收集和分析智能设备用户数据的实用、准确且高效的系统。Harmony 适用于包含数值和分类属性的多维数据，并支持基本统计（如均值和频率估计）以及复杂的机器学习任务（如线性回归、逻辑回归和 SVM 分类）。使用真实数据的实验证实了 Harmony 的有效性。
引用
@article{arxiv.1606.05053,
title = {Collecting and Analyzing Data from Smart Device Users with Local Differential Privacy},
author = {Thông T. Nguyên and Xiaokui Xiao and Yin Yang and Siu Cheung Hui and Hyejin Shin and Junbum Shin},
journal= {arXiv preprint arXiv:1606.05053},
year = {2016}
}
备注
11 pages