面向差分隐私约束的子集检索与群检测问题
信息论
2025-01-24 v1 math.IT
摘要
本文聚焦于为群体检测和感染状态检索设计隐私保护技术。我们的工作灵感来自于在众多个体参与检测的情境下，既需提供关于疾病传播状态的准确信息，又需保护任何单个个体感染状态的隐私。具体应用场景包括控制传染病传播，当个体若不确定其检测结果是否保密时可能不愿参与检测。本文作出以下贡献：首先，我们提出针对子集检索问题的差分隐私框架，聚焦于在管理员和决策者之间共享感染状态。我们刻画了子集检索准确度与个体隐私保证程度之间的权衡，特别是建立了在差分隐私约束下可实现准确度水平的紧密下界和上界。随后，我们构建差分隐私框架应用于带噪声群检测问题，噪声可在池化过程前或后添加。我们在私有子集检索与带噪声群检测问题之间建立了归约关系，表明子集检索的逆问题和可达性方案可直接推广到差分隐私群检测中。
引用
@article{arxiv.2501.13278,
title = {On Subset Retrieval and Group Testing Problems with Differential Privacy Constraints},
author = {Mira Gonen and Michael Langberg and Alex Sprintson},
journal= {arXiv preprint arXiv:2501.13278},
year = {2025}
}