面向一般粒度概念的差分隐私组合性（长版本）
密码学与安全
2024-04-18 v2 数据结构与算法
摘要
差分隐私（DP）的组合定理允许数据管理者组合不同算法以获得继续满足 DP 的新算法。然而，文献中出现了经典组合定理未涵盖的新粒度概念（即邻域定义）、数据域和组合设定。例如，原始的并行组合定理不能很好地推广到一般粒度概念。这使得在新设定下组合 DP 机制并获得组合后所引起的隐私损失的准确估计变得复杂。为克服这些局限，我们在一个通用框架中并针对任意类型的数据域或邻域定义研究 DP 的可组合性。我们给出了独立和自适应两个版本的一般组合定理，并提供了近似 DP、零集中 DP 和高斯 DP 的类似组合结果。此外，我们研究了获得最佳组合界所需的假设。我们的定理涵盖并行和顺序组合设定。重要的是，它们也涵盖两者之间的每一种设定，使我们能够以大幅提高的精度计算组合的最终隐私损失。
引用
@article{arxiv.2308.14649,
title = {Composition in Differential Privacy for General Granularity Notions (Long Version)},
author = {Patricia Guerra-Balboa and Àlex Miranda-Pascual and Javier Parra-Arnau and Thorsten Strufe},
journal= {arXiv preprint arXiv:2308.14649},
year = {2024}
}
备注
This is the long version of the paper accepted at the 37th IEEE Computer Security Foundations Symposium (2024)