局部差分隐私下通信高效的三角形计数
密码学与安全
2024-01-08 v3 数据库
摘要
在LDP（局部差分隐私）下的网络三角形计数是分析连接模式或计算聚类系数的基本任务，同时可强保护敏感好友关系免受中心服务器窥探。特别地，近期一项研究提出了该任务的一种算法，利用用户与服务器间的两轮交互显著降低了估计误差。然而，由于每个用户需下载的大型噪声图，该算法通信成本极高。本文中，我们提出LDP下具有较小估计误差与通信成本的三角形计数算法。我们首先提出由边采样和精心选择每个用户下载的边组成的两轮算法，以使估计误差较小。然后我们提出双裁剪技术，即先裁剪边数再裁剪噪声三角形数，以显著降低每个用户查询的敏感度。通过综合评估，我们表明我们的算法大幅降低了现有算法的通信成本，例如在20 Mbps下载速率下从6小时降至8秒或更少，同时保持较小的估计误差。
引用
@article{arxiv.2110.06485,
title = {Communication-Efficient Triangle Counting under Local Differential Privacy},
author = {Jacob Imola and Takao Murakami and Kamalika Chaudhuri},
journal= {arXiv preprint arXiv:2110.06485},
year = {2024}
}
备注
Full version of the paper accepted at USENIX Security 2022; The first and second authors made equal contribution; The current version added an addendum to double clipping (Appendix I)