差分隐私草图用于 Jaccard 相似度估计
机器学习
2020-08-20 v1 密码学与安全
信息检索
机器学习
摘要
本文描述了两种局部差分隐私算法,用于发布用户向量,从而可高效估计这些向量间的 Jaccard 相似度。其基本构建模块是著名的 MinHash 方法。为实现隐私-效用权衡,使用广义随机响应与 Laplace 机制变体以两种方式扩展 MinHash。理论分析给出了绝对误差的界,实验展示了在合成与真实数据上的效用-隐私权衡。本文最后对相关工作进行批判性讨论。
引用
@article{arxiv.2008.08134,
title = {Differentially Private Sketches for Jaccard Similarity Estimation},
author = {Martin Aumüller and Anders Bourgeat and Jana Schmurr},
journal= {arXiv preprint arXiv:2008.08134},
year = {2020}
}
备注
Accepted at SISAP 2020