差分隐私混淆与逆组成
密码学与安全
2025-05-05 v4
摘要
差分隐私（DP）已成为隐私保护数据分析的金标准，但其适用性在涉及敏感信息与数据集之间复杂依赖关系的场景中受到限制。为解决这一问题，我们引入了差分混淆隐私（DCP），这是一种针对Pufferfish隐私（PP）框架的特殊形式，后者通过考虑敏感信息与数据集之间的更广泛关系来概括DP。DCP采用（ε,δ）可区分性框架来量化隐私损失。我们表明，尽管DCP机制在组成下保持隐私保证，但它们缺乏DP的优雅组成属性。为克服这一限制，我们提出了逆组成（IC）框架，在该框架中，领袖-跟随者模型最优地设计隐私策略，以实现目标保证，而无需依赖最坏情况隐私证明（如灵敏度计算）。实验结果验证了IC在管理隐私预算和确保组成下严格隐私保证方面的有效性。
关键词
引用
@article{arxiv.2408.12010,
title = {Differential Confounding Privacy and Inverse Composition},
author = {Tao Zhang and Bradley A. Malin and Netanel Raviv and Yevgeniy Vorobeychik},
journal= {arXiv preprint arXiv:2408.12010},
year = {2025}
}