面向眼动追踪数据的差分隐私
密码学与安全
2019-04-16 v1 人工智能
摘要
随着大型眼动追踪数据集的创建，数据隐私成为眼动追踪界一个紧迫的问题。去标识化数据并不能保证隐私，因为多个数据集可被关联以进行推断。一种普遍的看法是，将个体数据聚合为热图等复合表示可保护个体。然而，我们分析考察了（无噪声）热图的隐私性，并表明它们不能保证隐私。我们进一步提出两种保证隐私的噪声机制，并分析其隐私-效用权衡。分析揭示，我们的高斯噪声机制是为热图保护隐私的一种优雅解决方案。我们的结果对创建眼动追踪差分隐私机制的跨学科研究具有启示意义。
引用
@article{arxiv.1904.06809,
title = {Differential Privacy for Eye-Tracking Data},
author = {Ao Liu and Lirong Xia and Andrew Duchowski and Reynold Bailey and Kenneth Holmqvist and Eakta Jain},
journal= {arXiv preprint arXiv:1904.06809},
year = {2019}
}
备注
10 pages including appendix