L-SRR：基于阶梯随机响应的位置服务中本地差分隐私
密码学与安全
2022-10-03 v1
摘要
基于位置的服务（LBS）已在移动设备上得到显著发展并广泛部署。众所周知，LBS应用可能因收集敏感位置而引发严重的隐私问题。一种强隐私模型“本地差分隐私”（LDP）近来已被部署于多种不同应用（如Google RAPPOR、iOS和Microsoft Telemetry）中，但由于现有LDP机制的效用较低，对LBS应用并不有效。为弥补这一不足，我们提出了面向多种基于位置服务的首个LDP框架（即“L-SRR”），以高效用私密地收集并分析用户位置。具体而言，我们设计了一种新颖的随机化机制“阶梯随机响应”（SRR），并将经验估计加以扩展，以显著提升SRR在不同LBS应用（如交通密度估计与k近邻）中的效用。我们在四个真实LBS数据集上，通过与实用场景中其他LDP方案基准对比进行了大量实验。实验结果表明L-SRR显著优于它们。
引用
@article{arxiv.2209.15091,
title = {L-SRR: Local Differential Privacy for Location-Based Services with Staircase Randomized Response},
author = {Han Wang and Hanbin Hong and Li Xiong and Zhan Qin and Yuan Hong},
journal= {arXiv preprint arXiv:2209.15091},
year = {2022}
}
备注
accepted to CCS'22; full version