策略感知差分隐私算法的设计
数据库
2015-11-23 v3 密码学与安全
摘要
设计误差最优的差分隐私算法问题已得到充分研究。近期将差分隐私应用于现实场景的工作采用了差分隐私的变体，这些变体适当地修改了邻近数据库的概念。然而，针对此类差分隐私变体设计误差最优算法的问题尚未解决。在本文中，我们展示了一个新颖的变换等价性结果，该结果可将基于修改后邻近概念的差分隐私下的查询回答问题，转化为针对一大类邻近定义的标准差分隐私下的查询回答问题。我们利用了推广了差分隐私的 Blowfish 隐私框架。Blowfish 使用策略图（policy graph）来实例化不同的邻近数据库概念。我们证明，在 Blowfish 策略图 下，回答数据库 上的工作负载 所产生的误差，等同于在标准差分隐私下，回答经变换的工作负载 在数据库 上所需的误差，其中 和 是基于 的线性变换。利用这一结果，我们开发了在不同 Blowfish 策略下发布直方图和多维范围查询的误差高效算法。我们相信，所开发的工具将有助于寻找在其他策略图下以低误差回答许多其他类查询的机制。
引用
@article{arxiv.1404.3722,
title = {Design of Policy-Aware Differentially Private Algorithms},
author = {Samuel Haney and Ashwin Machanavajjhala and Bolin Ding},
journal= {arXiv preprint arXiv:1404.3722},
year = {2015}
}