基于非随机信息论的确定性隐私保护策略的构建与分析

提出了一种使用非随机信息论的确定性隐私度量。特别地，利用极大极小信息来构造信息泄漏的度量，其与隐私度量成反比。任何人都可以向一个可信代理提交查询，该代理可访问一个非随机不确定的私有数据集。通过最大化隐私度量并受限于响应的最坏情况质量约束（即代理的响应与在私有数据集上计算的查询结果之间的最坏情况差异），计算出用于响应所提交查询的最优确定性隐私保护策略。证明了最优隐私保护策略是作用于所提交查询输出上的量化算子形式的分段常数函数。该隐私度量还被用于分析 $k$-anonymity 方法（一种利用抑制和泛化技术进行隐私保护数据集发布的流行确定性机制）的性能，证明其在事实上并不保护隐私。