提升基于洗牌器的差分隐私的效用与安全性
密码学与安全
2020-08-04 v3 数据库
数据结构与算法
机器学习
摘要
在收集信息时，本地差分隐私（LDP）缓解了用户的隐私担忧，因为其私人信息在发送至中心聚合器之前已被随机化。LDP 施加了大量噪声，因为每个用户独立执行随机化。为解决此问题，近期工作引入了一个中间服务器，并假设该中间服务器不与聚合器合谋。在此假设下，可用更少的噪声实现与 LDP 相同的隐私保证，从而提升数据收集任务的效用。本文研究 LDP 的这一多方设置。我们分析系统模型并识别潜在攻击者。随后我们做出两项改进：一种实现更优隐私-效用权衡的新算法；以及一种针对各类攻击提供更好防护的新协议。最后，我们进行实验比较不同方法并证明所提方法的益处。
引用
@article{arxiv.1908.11515,
title = {Improving Utility and Security of the Shuffler-based Differential Privacy},
author = {Tianhao Wang and Bolin Ding and Min Xu and Zhicong Huang and Cheng Hong and Jingren Zhou and Ninghui Li and Somesh Jha},
journal= {arXiv preprint arXiv:1908.11515},
year = {2020}
}