本地差分隐私下相关多属性数据的频率估计

从全国人口普查到物联网驱动的智能家居，大规模数据收集通常会收集每个个体的数十个属性。这些多属性数据集对于分析至关重要，但也带来了显著的隐私风险。本地差分隐私是一种强大的用户隐私保护工具，它允许用户在将记录发布给不可信的数据聚合器之前，在本地扰动其记录。然而，现有的 LDP 机制要么在所有属性间分割隐私预算，要么独立处理每个属性，从而忽略了属性间的自然相关性。这导致了过多的噪声，并因此造成显著的效用损失，尤其是在高维数据集中。我们引入了一个两阶段 LDP 框架，通过私下学习并利用属性间的依赖关系来克服这些限制。在第一阶段，一小部分用户应用标准的逐属性 LDP 机制，使聚合器能够从私有化数据中推导出依赖关系信息。在第二阶段，每个剩余用户使用全部隐私预算扰动一个随机选择的单一属性，而未报告的属性则使用第一阶段的统计数据进行重构，不产生额外的隐私成本。作为一个具体实例，我们开发了相关随机响应（Corr-RR），它采用考虑相关性的概率映射来显著提高估计精度。我们证明了 Corr-RR 满足 ε-LDP，并通过在合成和真实世界数据集上的大量实验表明，它始终优于最先进的基线方法，在高维和强相关数据集上增益最大。