差分隐私线性草图：高效实现与应用
数据结构与算法
2022-10-18 v3 数据库
网络与互联网体系结构
摘要
线性草图已被广泛用于处理快速数据流，并可用于准确回答频率估计、近似 Top-K 项以及汇总数据分布。当数据敏感时，期望为线性草图提供隐私保证，以在具有理论界的前提下保留私有信息并给出有用结果。我们表明，线性草图可通过在初始化时添加少量噪声来确保隐私并保持其独有性质。基于差分隐私线性草图，我们展示了在 turnstile 模型下最先进的分位数草图同样可以实现隐私保护并保持高性能。实验进一步证明，我们提出的差分隐私草图在合成与真实数据集上利用率高，在定量与定性上与无噪声草图相似。
引用
@article{arxiv.2205.09873,
title = {Differentially Private Linear Sketches: Efficient Implementations and Applications},
author = {Fuheng Zhao and Dan Qiao and Rachel Redberg and Divyakant Agrawal and Amr El Abbadi and Yu-Xiang Wang},
journal= {arXiv preprint arXiv:2205.09873},
year = {2022}
}