基于扩展差分隐私的局部敏感哈希
密码学与安全
2023-07-19 v5 数据库
信息检索
信息论
机器学习
math.IT
摘要
扩展差分隐私是使用一般度量的标准差分隐私(DP)的推广，已被广泛研究以在保持高可用性的同时提供严格的隐私保证。然而，现有关于扩展DP的工作仅限于少数度量，例如欧氏度量。因此，它们只有少量应用，例如基于位置的服务和文档处理。在本文中，我们提出了一对基于不同度量提供扩展DP的机制：角距离（或余弦距离）。我们的机制基于局部敏感哈希(LSH)，其可应用于角距离，并且对高维空间中的个人数据表现良好。我们从理论上分析了我们机制的隐私性质，并通过考虑LSH仅近似保留原始度量，证明了针对输入数据的扩展DP。我们将我们的机制应用于基于本地模型中具有角距离的高维个人数据的好友匹配，并使用两个真实数据集评估了我们的机制。我们表明LDP需要非常大的隐私预算，且RAPPOR在该应用中无法工作。然后我们表明我们的机制能够在基于扩展DP的严格隐私保证下实现高可用性的好友匹配。
引用
@article{arxiv.2010.09393,
title = {Locality Sensitive Hashing with Extended Differential Privacy},
author = {Natasha Fernandes and Yusuke Kawamoto and Takao Murakami},
journal= {arXiv preprint arXiv:2010.09393},
year = {2023}
}
备注
ESORICS 2021 (the 26th European Symposium on Research in Computer Security)