时间序列数据的推断隐私组合性质

随着移动设备和物联网的扩散，为时间序列应用开发有原则的隐私解决方案已变得日益重要。虽然差分隐私是数据库隐私的黄金标准，许多时间序列应用需要一种不同的保证，并且近期若干工作已使用某种形式的推断隐私来解决这些情况。然而，在实践中使用推断隐私的一个主要障碍是其缺乏优雅的组合——即使相同或相关的敏感数据被用于多个单独安全的发布中，组合发布可能具有较差的隐私特性。在本文中，我们研究一种称为 Pufferfish 的推断隐私形式应用于时间序列数据时的组合性质。我们表明，虽然一般的 Pufferfish 机制可能不能优雅地组合，但一种特定的称为 Markov Quilt Mechanism 的 Pufferfish 机制（最近被引入）具有强大的组合性质，可与应用到时间序列数据的纯差分隐私相媲美。