从定量信息流视角解释局部差分隐私中的 epsilon
信息论
2023-05-19 v2 密码学与安全
math.IT
摘要
针对隐私的泄露度量研究一直是密集研究的课题，也是理解计算机系统如何发生隐私泄露的重要方面。差分隐私多年来一直是隐私领域的焦点，但其泄露特征尚未被完全理解。本文将信息论与定量信息流（QIF）的 g-泄露框架两个研究领域结合，为局部差分隐私的 epsilon 参数给出操作性解释。我们发现 epsilon 在两种框架中均作为一种容量度量出现：经由信息论中流行的（对数）提升（lift）度量，以及经由最大情形 g-泄露（我们引入以描述在 QIF 框架下采用“最坏情况”假设建模的贝叶斯对手对任意系统的泄露）。我们的刻画解决了一个关于 epsilon 可解释性的重要问题，并整合了信息论与定量信息流文献中大量分散的结果。
引用
@article{arxiv.2210.12916,
title = {Explaining epsilon in local differential privacy through the lens of quantitative information flow},
author = {Natasha Fernandes and Annabelle McIver and Parastoo Sadeghi},
journal= {arXiv preprint arXiv:2210.12916},
year = {2023}
}