DPHMM：基于隐马尔可夫模型的可定制差分隐私数据发布
数据库
2016-09-30 v1
摘要
隐马尔可夫模型（HMM）已被广泛研究并大量应用。本文提出 DPHMM（差分隐私隐马尔可夫模型），一种内嵌隐私数据发布机制的 HMM，其中数据隐私通过图来保护。具体而言，我们将马尔可夫模型中的每个状态视为一个节点，并用图表示隐私策略，图中节点间的边表示状态间的“不可区分性”。由于马尔可夫模型中的时间相关性，我们证明该图可能退化为包含不连通节点的子图，这些节点将失去保护并可能被暴露。为检测此类隐私风险，我们基于图定义了敏感度壳和保护度，以刻画信息暴露的条件。随后，为处理检测到的暴露，我们研究如何在现有图的基础上构建最优图。我们还在真实数据集上实现并评估了 DPHMM，结果表明，通过定制策略图可以更好地调节隐私与效用。
引用
@article{arxiv.1609.09172,
title = {DPHMM: Customizable Data Release with Differential Privacy via Hidden Markov Model},
author = {Yonghui Xiao and Yilin Shen and Jinfei Liu and Li Xiong and Hongxia Jin and Xiaofeng Xu},
journal= {arXiv preprint arXiv:1609.09172},
year = {2016}
}