度量重识别风险
密码学与安全
2023-08-01 v2 机器学习
摘要
紧凑的用户表示（如嵌入）构成了个性化服务的支柱。本工作中，我们提出一个新的理论框架来度量此类用户表示中的重识别风险。我们的框架基于假设检验，正式界定了攻击者可能从其表示中获取用户身份的概率上界。作为一个应用，我们展示了我们的框架具有足够的通用性来建模重要的现实世界应用，例如 Chrome 的用于基于兴趣的广告的 Topics API。我们以理论上可靠的重识别攻击算法补充了我们的理论界，并用其估计 Topics API 中的重识别风险。我们相信该工作提供了严格的、可解释的重识别风险概念以及一个可用于指导现实应用的度量框架。
引用
@article{arxiv.2304.07210,
title = {Measuring Re-identification Risk},
author = {CJ Carey and Travis Dick and Alessandro Epasto and Adel Javanmard and Josh Karlin and Shankar Kumar and Andres Munoz Medina and Vahab Mirrokni and Gabriel Henrique Nunes and Sergei Vassilvitskii and Peilin Zhong},
journal= {arXiv preprint arXiv:2304.07210},
year = {2023}
}