存在相关性时的开关式隐私
信息论
2021-09-14 v2 math.IT
摘要
我们提出并研究了开关式（ON-OFF）隐私问题。ON-OFF 隐私算法使用户能够持续地在 ON 与 OFF 之间切换其隐私状态。一个明显的例子是互联网浏览器中的隐身模式。但除网络浏览外，ON-OFF 隐私在大多数在线应用中都可能是一项期望的特性。挑战在于用户在线行为的统计时间相关性可能导致信息泄露。我们考虑如下场景：用户有兴趣检索由 N 个信源之一生成的最新消息。用户的隐私状态可随时间在 ON 与 OFF 之间变化。当隐私为 ON 时，用户希望隐藏其请求。此外，由于用户的请求依赖于年龄、性别和政治观点等个人属性，它们通常随时间相关。因此，用户不能在隐私为 OFF 时简单地忽略隐私。我们通过一个 N 状态马尔可夫链对用户请求间的相关性建模。目标是设计具有最优下载速率的查询方案，在 ON-OFF 隐私设定下保护隐私。本文中，我们给出了 N 个信源可达成下载速率的内界与界外。我们还设计了一种高效算法来构造达到内界的 ON-OFF 隐私方案，并证明其对于 N = 2 个信源情况的最优性。对于 N > 2，寻找更紧的界外以及能达成它们的 ON-OFF 隐私方案的高效构造仍是开放问题。
引用
@article{arxiv.2004.04186,
title = {ON-OFF Privacy in the Presence of Correlation},
author = {Fangwei Ye and Carolina Naim and Salim El Rouayheb},
journal= {arXiv preprint arXiv:2004.04186},
year = {2021}
}