NetDPSyn：差分隐私下的网络流量合成
密码学与安全
2024-09-10 v1 数据库
网络与互联网体系结构
摘要
随着网络流量在网络测量研究中的应用日益普遍，对网络流量隐私泄露的担忧引起了公众的关注。为保护网络流量，研究人员提出了保留原始数据基本属性的流量合成方法。然而，先前的研究也表明，使用生成模型合成的流量容易受到链接攻击。本文介绍了NetDPSyn，这是第一个在隐私保证下合成高保真网络流量的系统。NetDPSyn的核心是差分隐私(DP)框架，这与先前在训练生成模型时应用DP的工作有显著不同。在三个流数据集和两个包数据集上进行的实验表明，NetDPSyn在异常检测等下游任务中实现了更好的数据效用。NetDPSyn在数据合成方面平均也比其他方法快2.5倍。
引用
@article{arxiv.2409.05249,
title = {NetDPSyn: Synthesizing Network Traces under Differential Privacy},
author = {Danyu Sun and Joann Qiongna Chen and Chen Gong and Tianhao Wang and Zhou Li},
journal= {arXiv preprint arXiv:2409.05249},
year = {2024}
}
备注
IMC 2024