基于局部差分隐私的位置距离查询
密码学与安全
2025-08-08 v1
摘要
差分隐私（DP）常用于保护图分析或数据发布。距离是图分析中的关键因素，通常采用信任中介者（curator DP）来处理，其中信任中介持有所有顶点的完整邻居列表，并以隐私方式回答查询。然而，在许多实际场景中，可能不存在此类中介者，这构成了在局部差分隐私（LDP）下实现差分隐私距离查询的重大挑战。本文提出了两种方法来解决这一挑战。第一种方法通过随机化响应生成合成图，并应用位运算来减少噪声干扰。然而，像其他合成图方法一样，这种方法也存在实用性低的问题。为克服这一局限，我们提出了第二种方法，即首个专为距离查询设计的 LDP 方法，该方法通过持续聚合来自相邻顶点的局部距离向量来捕获全局图结构。这一过程使我们能够准确更新全局距离。我们通过严全的理论分析和在真实数据集上的实验评估，展示了我们方法的有效性。
引用
@article{arxiv.2508.05518,
title = {Local Distance Query with Differential Privacy},
author = {Weihong Sheng and Jiajun Chen and Bin Cai and Chunqiang Hu and Meng Han and Jiguo Yu},
journal= {arXiv preprint arXiv:2508.05518},
year = {2025}
}