差分隐私分区选择
密码学与安全
2021-11-01 v4 数据结构与算法
摘要
许多数据分析操作可表示为对无界分区集合的GROUP BY查询，随后进行逐分区聚合。为使此类查询满足差分隐私，仅向各聚合添加噪声并不足够：我们还需确保所发布的分区集合本身也是差分私有的。该问题并不新鲜，且近来被正式引入为差分私有集合并集（differentially private set union）。本工作中，我们延续该研究方向，聚焦于每个用户仅关联单一分区的常见设定。在此设定下，我们提出一种简单、最优的差分私有机制，可最大化发布分区数量。我们讨论了实现考量，以及将该方法扩展至每个用户对固定少量分区有贡献的设定之可能。
引用
@article{arxiv.2006.03684,
title = {Differentially private partition selection},
author = {Damien Desfontaines and James Voss and Bryant Gipson and Chinmoy Mandayam},
journal= {arXiv preprint arXiv:2006.03684},
year = {2021}
}
备注
Accepted for publication in Proceedings on Privacy Enhancing Technologies (PoPETs), issue 2022.1