差分隐私ANOVA检验
密码学与安全
2018-02-21 v2 应用统计
摘要
现代社会产生了关于个体的海量数据，以可证明保护个体隐私的方式发布这些数据的汇总统计，将为许多领域的研究人员提供宝贵资源。我们提出了首个保留差分隐私的方差分析（ANOVA）算法，使得这一重要统计检验能够在敏感信息数据库上执行（并发布结果）。除了用于F检验统计量的隐私保护算法外，我们展示了一种严格计算p值的方法，该方法考虑了为保留隐私所需添加的噪声。最后，我们给出了量化该差分隐私版本检验统计功效的实验结果，发现数千观测样本通常足以检测组间变异。差分隐私ANOVA算法是一种有前景的方法，用于发布在科学和社会科学领域具有重要价值的常见检验统计量。
引用
@article{arxiv.1711.01335,
title = {Differentially Private ANOVA Testing},
author = {Zachary Campbell and Andrew Bray and Anna Ritz and Adam Groce},
journal= {arXiv preprint arXiv:1711.01335},
year = {2018}
}
备注
Accepted, camera-ready version presented at the 1st International Conference on Data Intelligence and Security (ICDIS) 2018