重击者与本地隐私的结构
数据结构与算法
2017-11-15 v1
摘要
我们提出了一种新的局部差分隐私算法用于重击者问题，该算法作为所有标准考虑参数的函数实现了最优最坏情况误差。先前工作的误差率最优地依赖于用户数量、域大小和隐私参数，但对失败概率的依赖不是最优的。我们加强了关于误差的现有下界以纳入失败概率，并表明我们的新上界在该参数上也是紧的。我们的下界基于对局部隐私协议结构的新理解。我们进一步发展这些思想，以获得超越重击者的以下一般结果。 高级组合性：在局部模型中， 个用户的组隐私退化与 成正比，而非像中心模型那样随 线性退化。更强的组隐私带来了改进的 max-information 保证，以及比中心模型更强的下界（通过“打包论证”）。 基于 Bassily 和 Smith (STOC 2015) 的一个变换，我们给出了从任意非交互式近似私有局部协议到纯私有局部协议的通用变换。同样与中心模型形成对比的是，这表明我们不能通过从纯局部隐私转向近似局部隐私来获得更精确的算法。
引用
@article{arxiv.1711.04740,
title = {Heavy Hitters and the Structure of Local Privacy},
author = {Mark Bun and Jelani Nelson and Uri Stemmer},
journal= {arXiv preprint arXiv:1711.04740},
year = {2017}
}