FLIP：一种保持效用的时序数据隐私机制

保证发布数据的隐私是数据生产机构的一个重要目标。近年来，关于开发合适隐私机制的研究已广泛开展。尤其值得注意的是带差分隐私保证的加噪思想。然而，在应用非常严格的隐私机制时，存在损害数据效用的担忧。在相关数据中（如时间序列数据），此类损害可能相当严重。向随机过程添加白噪声可能显著改变相关结构，而这一过程特性对于最优预测至关重要。我们提出将全通滤波用作规则采样时间序列数据的隐私机制，表明该过程在保持效用的同时，也为实体级时间序列提供了充分的隐私保证。