基于模型的差分隐私数据合成与多重合成差分隐私数据中的统计推断
统计方法学
2021-04-27 v3
摘要
我们提出了一种基于模型的差分隐私合成（modips）方法，在贝叶斯框架下发布具有隐私保障的个体层面替代/合成数据集。modips 技术将差分隐私的概念融入基于模型的数据合成中。我们为通用的 modips 方法引入了若干变体，以及不同的获取隐私保护后验样本的程序，这是 modips 中的关键步骤。modips 中来自数据净化与合成过程的不确定性可以通过发布多个合成数据集来加以解释，并通过本文提出的推断组合规则进行量化。我们进行了实证研究，以考察合成数据集数量和隐私预算分配方案对基于合成数据的推断的影响。
引用
@article{arxiv.1606.08052,
title = {Model-based Differentially Private Data Synthesis and Statistical Inference in Multiply Synthetic Differentially Private Data},
author = {Fang Liu},
journal= {arXiv preprint arXiv:1606.08052},
year = {2021}
}