用于差分隐私的对数凹与多元标准噪声分布

Jordan Awan; Jinshuo Dong

用于差分隐私的对数凹与多元标准噪声分布

密码学与安全 2022-10-07 v2 统计理论统计理论

作者: Jordan Awan , Jinshuo Dong

摘要

标准噪声分布(CND)是一种加性机制,旨在满足 $f$ -差分隐私( $f$ -DP)而不浪费任何隐私预算。 $f$ -DP是一种基于假设检验的隐私表述,以权衡函数表述,捕捉假设检验的难度。本文考虑对数凹CND与多元CND的存在性与构造。对数凹分布对确保机制较高输出对应较高输入值十分重要,而多元噪声分布对确保多输出的联合发布具有紧致隐私刻画十分重要。我们表明,这两类问题的CND存在性与构造,均关联到权衡函数是否可通过函数复合(关乎群体隐私)或机制复合分解。特别地,我们证明纯 $\epsilon$ -DP不能以任一方式分解,且对 $\epsilon$ -DP既无对数凹CND也无任何多元CND。另一方面,我们证明Gaussian-DP、 $(0,\delta)$ -DP与Laplace-DP均同时具有对数凹与多元CND。

关键词

差分隐私标准噪声分布对数凹多元权衡函数 f-DP

引用

@article{arxiv.2206.04572,
  title  = {Log-Concave and Multivariate Canonical Noise Distributions for Differential Privacy},
  author = {Jordan Awan and Jinshuo Dong},
  journal= {arXiv preprint arXiv:2206.04572},
  year   = {2022}
}

备注

10 pages before references, 1 Figure

用于差分隐私的对数凹与多元标准噪声分布

摘要

关键词

引用

备注

相关论文