从信息瓶颈到隐私漏斗
信息论
2014-10-01 v5 math.IT
摘要
我们关注用户希望向分析师披露一些与其私有数据相关的信息以期获得某种效用时所遇到的隐私 - 效用权衡。我们依赖一个通用的隐私统计推断框架，在该框架下，数据在披露前根据概率隐私映射进行变换。我们表明，当在此框架的隐私度量和失真度量中引入 log-loss 时，隐私泄露和效用约束可分别简化为私有数据与披露数据之间的互信息，以及非私有数据与披露数据之间的互信息。我们通过证明任何有界代价函数下的推断威胁均可由私有数据与披露数据之间互信息的显式函数为上界，论证了 log-loss 下隐私度量的相关性和通用性。随后，我们表明 log-loss 下的隐私 - 效用权衡可表述为非凸的 Privacy Funnel 优化问题，并利用其与 Information Bottleneck 的联系，提供了一种局部最优的贪婪算法。我们在美国人口普查数据集上评估了其性能。
引用
@article{arxiv.1402.1774,
title = {From the Information Bottleneck to the Privacy Funnel},
author = {Ali Makhdoumi and Salman Salamatian and Nadia Fawaz and Muriel Medard},
journal= {arXiv preprint arXiv:1402.1774},
year = {2014}
}