大规模差分隐私流处理
密码学与安全
2024-07-16 v3 数据库
摘要
据我们所知，我们设计了首个大规模的差分隐私（DP）流聚合处理系统。我们的系统——差分隐私 SQL 流水线（DP-SQLP）——采用类似于 Spark streaming 的流框架构建，并基于 Google 的 Spanner 数据库与 F1 查询引擎实现。在 DP-SQLP 的设计中，我们取得了算法与系统两方面的进展，即：（i）设计了一种新颖的（用户级）DP 键选择算法，可处理无界的候选键集合，并能扩展至用户已贡献的十亿级键；（ii）设计了 DP 键选择的抢占式执行方案，避免在每次触发时枚举所有键；（iii）利用来自 DP 持续观测的算法技术，在流长度上发布用户对不同键贡献的持续 DP 直方图。我们通过实验证明，相较于所考虑的有意义基线，误差至少降低 。我们使用 DP-SQLP 为 Google Shopping 实现了流式差分隐私用户曝光统计。该流式 DP 算法进一步应用于 Google Trends。
引用
@article{arxiv.2303.18086,
title = {Differentially Private Stream Processing at Scale},
author = {Bing Zhang and Vadym Doroshenko and Peter Kairouz and Thomas Steinke and Abhradeep Thakurta and Ziyin Ma and Eidan Cohen and Himani Apte and Jodi Spacek},
journal= {arXiv preprint arXiv:2303.18086},
year = {2024}
}