基于本地差分隐私的键值数据条件分析
密码学与安全
2019-07-12 v1 数据库
摘要
本地差分隐私(LDP)已被视为隐私保护分布式数据收集与分析的事实标准度量。近来,研究者将 LDP 扩展到 NoSQL 系统中的基本数据类型:键值数据,并展示了其在均值估计和频率估计中的可行性。本文在强本地差分隐私模型下,为键值数据的收集与分析开发了一套新的扰动机制。由于许多现代机器学习任务依赖于条件概率或边缘统计的可用性,我们进而提出了针对键值数据中键分析的条件频率估计方法,以及针对值分析的条件均值估计方法。带条件发布的统计信息可进一步用于学习任务中。在合成与真实世界数据集上进行的频率与均值估计的大量实验,验证了所提键值扰动机制相较于最先进对手的有效性与准确性。
引用
@article{arxiv.1907.05014,
title = {Conditional Analysis for Key-Value Data with Local Differential Privacy},
author = {Lin Sun and Jun Zhao and Xiaojun Ye and Shuo Feng and Teng Wang and Tao Bai},
journal= {arXiv preprint arXiv:1907.05014},
year = {2019}
}