OptimShare：一种隐私保护数据共享的统一框架——面向兼具隐私的实用数据效用
密码学与安全
2023-06-07 v1 数据库
摘要
表格数据共享是一种常用的数据交换方法。然而，在未充分隐私保护的情况下共享敏感信息会泄露个人隐私。因此，确保隐私保护的数据共享至关重要。差分隐私（DP）被视为数据隐私的黄金标准。尽管如此，当前的DP方法往往生成因重度扰动且忽视表格效用动态而实用效用有限的隐私保护表格数据集。此外，关于选择性属性释放的研究甚少，尤其在受控部分扰动数据共享的背景下。这对现实场景中的跨机构数据共享等情况具有重要意义。我们提出OptimShare：一种以效用为导向、多准则的解决方案，旨在针对特定现实应用对输入数据集进行选择性扰动优化。OptimShare结合差分隐私、模糊逻辑和概率论原理，建立了一个隐私保护数据共享的集成工具。实证评估证实，OptimShare成功在更优数据效用与强健隐私之间取得平衡，有效服务于多种现实问题场景。
引用
@article{arxiv.2306.03379,
title = {OptimShare: A Unified Framework for Privacy Preserving Data Sharing -- Towards the Practical Utility of Data with Privacy},
author = {M. A. P. Chamikara and Seung Ick Jang and Ian Oppermann and Dongxi Liu and Musotto Roberto and Sushmita Ruj and Arindam Pal and Meisam Mohammady and Seyit Camtepe and Sylvia Young and Chris Dorrian and Nasir David},
journal= {arXiv preprint arXiv:2306.03379},
year = {2023}
}