生成泊松分布的差分隐私合成数据

合成数据的发布可以成为一种有效手段，在降低直接发布敏感数据所带来披露风险的同时，使敏感数据中的信息得以公开可用。尽管已存在满足形式化隐私保证的数据合成机制，合成数据的效用却常被置于次要地位。近来，有学者提议借用疾病制图文献中的方法来生成高效用的空间参照合成数据，但缺乏形式化隐私保证。本文旨在帮助弥合疾病制图与形式化隐私文献之间的鸿沟。具体而言，我们将一种现有的生成形式化隐私合成数据的方法推广到泊松分布计数数据情形，并允许融入先验信息。为评估合成数据的效用，我们受公开可用的县级心脏病相关死亡计数启发开展了一项模拟研究。该研究结果证明，当计数对应于由人口规模不等或事件率不等的子群所产生的事件时，所提出的差分隐私合成数据生成方法优于一种流行技术。