探索差分隐私在网络安全分析中的集成：在威胁情报中平衡数据实用性与隐私
密码学与安全
2026-01-05 v1
摘要
为解决隐私保护问题并确保在威胁情报背景下数据可被使用，本文考虑在网络安全分析中实现差分隐私（Differential Privacy, DP）。DP 是一种健全的数学框架，通过向数据输出添加受控噪声来确保隐私，从而即使在辅助数据集的帮助下也避免敏感信息披露。DP 在安全信息与事件管理（SIEM）系统中的使用被突出显示，可以看出 DP 在保护事件日志和威胁数据分析方面具有在不干扰分析效率方面的能力。指出了与 DP 机制的关键组件之一——epsilon 参数的最大化有关的实用性与隐私权衡。该文章展示了 DP 在促进数据安全共享和联合威胁情报方面的变革性力量，并通过真实世界系统和案例研究予以展示。最后，本文将 DP 确立为提高网络安全领域隐私保护分析的关键策略。
引用
@article{arxiv.2601.00385,
title = {Exploring the Integration of Differential Privacy in Cybersecurity Analytics: Balancing Data Utility and Privacy in Threat Intelligence},
author = {Brahim Khalil Sedraoui and Abdelmadjid Benmachiche and Amina Makhlouf and Chaouki Chemam},
journal= {arXiv preprint arXiv:2601.00385},
year = {2026}
}