具有序列信息隐私的在线上下文感知数据发布
密码学与安全
2023-07-28 v1
摘要
以隐私保护方式发布流数据多年来一直是关键的研究焦点。该问题带来了相当大的挑战，特别是由于数据流中普遍存在的关联性。现有方法要么未能有效利用这些关联性，导致效用-隐私权衡次优，要么涉及复杂的机制设计，使计算复杂度随序列长度增加。本文引入序列信息隐私(SIP)，一种旨在保障整个数据流隐私并考虑内在数据关联性的新隐私概念。我们表明SIP提供了与本地差分隐私(LDP)类似的隐私保障水平，并且享有轻量化的模块化机制设计。我们进一步研究了两种在线数据发布模型（即时或批量），并提出了相应的隐私保护数据扰动机制。我们给出了关联性如何影响数据流中加噪的数值评估。最后，我们使用真实世界数据进行了实验，将我们方法提供的效用-隐私权衡与现有文献中的进行比较。结果显示我们的机制提供的效用改进是基于LDP机制的的两倍以上。
引用
@article{arxiv.2307.14388,
title = {Online Context-aware Data Release with Sequence Information Privacy},
author = {Bo Jiang and Ming Li and Ravi Tandon},
journal= {arXiv preprint arXiv:2307.14388},
year = {2023}
}