Libra:基于子采样的过程挖掘事件日志高效用匿名化
密码学与安全
2022-06-28 v1
摘要
过程挖掘技术使分析员能够基于事件日志识别并评估流程改进机会。过程挖掘的一个常见障碍是事件日志可能包含未经同意不能用于分析的隐私信息。克服此障碍的一种方法是匿名化事件日志,使得原日志中代表的任何个体都无法基于匿名化后的日志被单独识别。差分隐私是一种提供此保证的匿名化方法。差分隐私事件日志匿名化技术力求在提供所需隐私保证的同时,生成与原日志尽可能相似(高效用)的匿名日志。现有事件日志匿名化技术通过向日志中的轨迹注入噪声(例如复制、扰动或过滤掉部分轨迹)来运作。近期关于差分隐私的研究表明,在噪声注入之前应用子采样可获得更好的隐私-效用权衡。换言之,子采样可放大隐私。本文提出一种称为 Libra 的事件日志匿名化方法,其利用了这一观察。Libra 从日志中抽取多组轨迹样本,独立注入噪声,保留每组样本中统计相关的轨迹,并组合这些样本以生成差分隐私日志。实证评估表明,在同等隐私保证下,相对于现有基线,所提方法带来了显著更高的效用。
引用
@article{arxiv.2206.13050,
title = {Libra: High-Utility Anonymization of Event Logs for Process Mining via Subsampling},
author = {Gamal Elkoumy and Marlon Dumas},
journal= {arXiv preprint arXiv:2206.13050},
year = {2022}
}