DP2-Pub：基于不变后随机化的差分隐私高维数据发布
密码学与安全
2022-08-25 v1 计算机与社会
摘要
实际应用中出现大量高维异构数据，这些数据常发布给第三方用于数据分析、推荐、定向广告和可靠预测。然而，发布这些数据可能泄露个人敏感信息，导致对隐私侵犯的日益关注。隐私保护数据发布近年来受到相当关注。遗憾的是，高维数据的差分隐私发布仍是一个挑战性问题。本文中，我们提出一个两阶段运行的差分隐私高维数据发布机制（DP2-Pub）：基于马尔可夫毯的属性聚类阶段与不变后随机化（PRAM）阶段。具体而言，将属性划分为若干具有高簇内凝聚和低簇间耦合的低维簇有助于获得合理的隐私预算分配，而满足本地差分隐私的双重扰动机制促成不变 PRAM，以确保无统计信息损失，从而显著保留数据效用。我们还将 DP2-Pub 机制扩展到具有满足本地差分隐私的半诚实服务器的场景。我们在四个真实数据集上进行了广泛实验，实验结果表明我们的机制在满足差分隐私的同时能显著提升发布数据的效用。
引用
@article{arxiv.2208.11693,
title = {DP2-Pub: Differentially Private High-Dimensional Data Publication with Invariant Post Randomization},
author = {Honglu Jiang and Haotian Yu and Xiuzhen Cheng and Jian Pei and Robert Pless and Jiguo Yu},
journal= {arXiv preprint arXiv:2208.11693},
year = {2022}
}