隐私-效用权衡的度量几何
密码学与安全
2024-05-02 v1 数据结构与算法
概率论
摘要
合成数据是实现数据共享中隐私保护的一个有吸引力的概念。一个关键问题是,与真实数据相比,保护隐私的合成数据有多相似。利用度量隐私(一种对差分隐私在离散设置之外的有效推广),我们提出了一个挑战:根据底层空间的度量几何来刻画最优的隐私-效用权衡。我们通过“熵尺度”这一概念为该问题提供了部分解决方案,该量通过度量空间的填充数行为捕捉其多尺度几何特性。我们通过一系列不同的度量空间示例,展示了我们的隐私-效用权衡框架的适用性。
关键词
引用
@article{arxiv.2405.00329,
title = {Metric geometry of the privacy-utility tradeoff},
author = {March Boedihardjo and Thomas Strohmer and Roman Vershynin},
journal= {arXiv preprint arXiv:2405.00329},
year = {2024}
}