融合差分隐私与情境完整性

在这项工作中，我们提出了首个融合差分隐私（DP）与情境完整性（CI）的框架。DP 是算法的一种属性，该算法注入统计噪声以掩盖数据库中所表示个体的信息。CI 将隐私定义为符合社会语境的信息流。综合分析来看，这些范式勾勒出了分析信息流隐私的两个维度：描述性属性与规范性属性。我们表明，我们新的综合框架为 CI 和 DP 提供了在孤立考虑各自定义时无法获得的好处：它实现了 DP 中 epsilon 参数的情境引导调整，并使 CI 能够应用于现实世界系统中发生的更广泛的信息流，例如涉及隐私增强技术和机器学习的信息流。最后，我们以美国人口普查局使用 DP 的案例研究作为总结。