Multi-Freq-LDPy：基于 Python 的局部差分隐私下多重频率估计
密码学与安全
2022-09-26 v2
摘要
本文介绍了 multi-freq-ldpy Python 包，用于在局部差分隐私（LDP）保证下的多重频率估计。LDP 是实现本地隐私的黄金标准，已被 Google、Apple 和 Microsoft 等大型科技公司在实际中多次采用。LDP 的主要应用是频率（或直方图）估计，即聚合方估计每个值被报告的次数。该包为以下情形的频率估计提供了易用且快速的最先进解决方案与 LDP 协议实现：单属性（即基本构件）、多属性（即多维数据）、多次收集（即纵向数据），以及多属性/多次收集兼具。Multi-freq-ldpy 构建于成熟的 Numpy 包（Python 科学计算的事实标准）与 Numba 包（用于快速执行）之上。本文通过四个实例对这些特性进行了说明与演示。该包为开源软件，基于 MIT 许可证通过 GitHub（https://github.com/hharcolezi/multi-freq-ldpy）公开提供，并可通过 PyPI（https://pypi.org/project/multi-freq-ldpy/）安装。
引用
@article{arxiv.2205.02648,
title = {Multi-Freq-LDPy: Multiple Frequency Estimation Under Local Differential Privacy in Python},
author = {Héber H. Arcolezi and Jean-François Couchot and Sébastien Gambs and Catuscia Palamidessi and Majid Zolfaghari},
journal= {arXiv preprint arXiv:2205.02648},
year = {2022}
}
备注
Paper published in the proceedings of ESORICS 2022