面向数据从业者评估差分隐私工具的可用性
人机交互
2024-08-14 v3 密码学与安全
摘要
差分隐私（DP）已成为隐私保护数据分析的黄金标准，但在真实世界的数据集与系统中实现它仍然具有挑战性。近期开发的 DP 工具旨在简化 DP 的实现，但针对这些 DP 工具可用性的研究十分有限。我们通过一项针对 24 名具有不同先验 DP 知识的美国数据从业者的可用性研究，评估了四个基于 Python 的开源 DP 工具：DiffPrivLib、Tumult Analytics、PipelineDP 和 OpenDP 的可用性。我们的结果表明，在本研究中使用 DP 工具可能有助于 DP 新手更好地理解 DP；应用程序编程接口（API）设计与文档对于成功实现 DP 至关重要；并且用户满意度与参与者使用这些 DP 工具完成研究任务的表现相关。我们提供了基于证据的建议，以改善 DP 工具的可用性，从而扩大 DP 的应用。
引用
@article{arxiv.2309.13506,
title = {Evaluating the Usability of Differential Privacy Tools with Data Practitioners},
author = {Ivoline C. Ngong and Brad Stenger and Joseph P. Near and Yuanyuan Feng},
journal= {arXiv preprint arXiv:2309.13506},
year = {2024}
}
备注
19 pages, 7 figures