差分隐私多目标选择：Pareto 与聚合方法
密码学与安全
2025-02-04 v2
摘要
差分隐私选择机制是隐私保护数据分析的基本构建模块。虽然已有大量针对单目标选择的机制，但许多实际应用需要同时优化多个相互竞争的目标。我们提出两种新型机制：PrivPareto 和 PrivAgg。PrivPareto 使用 novel Pareto 评分识别接近帕累托前沿的解；PrivAgg 实现对多个目标的隐私保护加权聚合。两种机制均支持全局和局部灵敏度方法，提供完善的理论分析，阐明如何组合多个效用函数的灵敏度。我们通过两个实际应用演示了实际可用性：成本敏感决策树构建和社交网络中多目标有影响节点选择。实验结果表明，我们的局部灵敏度方法在两个应用中、针对 Pareto 和 Aggregation 方法，均显著优于全局灵敏度方法。此外，局部灵敏度方法在大多数实验中能够以典型隐私预算值 下实现良好性能。
引用
@article{arxiv.2412.14380,
title = {Differentially Private Multi-objective Selection: Pareto and Aggregation Approaches},
author = {Victor A. E. Farias and Felipe T. Brito and Cheryl Flynn and Javam C. Machado and Divesh Srivastava},
journal= {arXiv preprint arXiv:2412.14380},
year = {2025}
}