集中差分隐私：简化、扩展与下界
密码学与安全
2016-05-09 v1 数据结构与算法
信息论
机器学习
math.IT
摘要
“集中差分隐私”最近由Dwork和Rothblum提出，作为差分隐私的一种放宽，它允许对许多隐私保护计算进行更锐利的分析。我们给出了集中差分隐私概念的另一种表述，基于在相邻输入上运行算法所得分布之间的Renyi散度。借助这一重新表述，我们证明了更锐利的定量结果，建立了下界，并提出了一些新问题。我们还通过给出“近似集中差分隐私”的适当定义，将该方法与近似差分隐私统一起来。
引用
@article{arxiv.1605.02065,
title = {Concentrated Differential Privacy: Simplifications, Extensions, and Lower Bounds},
author = {Mark Bun and Thomas Steinke},
journal= {arXiv preprint arXiv:1605.02065},
year = {2016}
}