K-stars LDP：局部差分隐私下(p,q)-团枚举的新框架
密码学与安全
2024-03-05 v1 计算机与社会
数据结构与算法
摘要
二部图上的(p,q)-团枚举对于计算聚类系数和检测最密子图至关重要。由于子图计数可能包含敏感信息，有必要在保护用户隐私免受任何潜在攻击者的同时进行子图枚举。最近的研究大多关注基于边LDP（局部差分隐私）的隐私保护算法。然而，这些算法由于需要大量噪声而遭受较大的估计误差。在本文中，我们提出了k-stars LDP的新思想以及一种用于(p,q)-团枚举的新型k-stars LDP算法，该算法具有较小的估计误差，其中k-stars是一个星形图，有k个节点连接到一个节点。边LDP的有效性依赖于其混淆用户与其一跳邻居之间边存在性的能力。这基于一个前提：用户应该知道其一跳邻居的存在。类似地，我们也可以将这个前提应用于k-stars，其中边是1-stars的一种特定类型。基于这一事实，我们首先提出k-stars邻接列表，使我们的算法能够使用Warner的RR混淆k-stars的存在性。然后，我们提出绝对值校正技术和k-stars采样技术以进一步减少估计误差。最后，通过两轮用户-收集器交互机制，我们提出了k-stars LDP算法来计数(p,q)-团的数量，同时成功保护用户隐私。理论分析和实验都表明我们的算法优于基于边LDP的算法。
引用
@article{arxiv.2403.01788,
title = {K-stars LDP: A Novel Framework for (p, q)-clique Enumeration under Local Differential Privacy},
author = {Henan Sun and Zhengyu Wu and Rong-Hua Li and Guoren Wang and Zening Li},
journal= {arXiv preprint arXiv:2403.01788},
year = {2024}
}