OPTT：本地差分隐私下数值数据分析的最优分段变换技术
密码学与安全
2021-12-10 v1
摘要
隐私保护数据分析（PPDA）因其广泛的应用而受到越来越多的关注。本地差分隐私（LDP）作为一种适用于PPDA的新兴标准，已被广泛部署到各种实际场景中，以在保护多种形式的隐私泄露的同时分析海量数据。在本研究中，我们主要关注本地差分隐私下用于分析数值数据的分段变换技术（PTT）。我们为LDP背景下的PTT提供了一个原则性框架，并在此基础上对PTT进行了系统研究。结果表明：(1) PTT中的许多成员在用于获取数值数据均值的无偏估计量时是渐近最优的；(2) 对于给定的隐私预算，存在在方差方面达到理论下界的PTT。接下来，通过详细研究两类PTT，我们证明：(1) 与广泛使用的技术（即Duchi方案）相比，在一致性噪声方差方面不存在最优的PTT；(2) 另一方面，就最坏情况噪声方差而言，人们有能力找到大量始终比后者更优的PTT，这一点此前从未被报道过。当我们仅限于考虑高隐私级别时，足够多的PTT结果比著名的Laplace机制更优。最后，我们证明对于一族PTT，当考虑高隐私级别时，相应的噪声方差理论下界遵循。
引用
@article{arxiv.2112.04745,
title = {OPTT: Optimal Piecewise Transformation Technique for Analyzing Numerical Data under Local Differential Privacy},
author = {Fei Ma and Renbo Zhu and Ping Wang},
journal= {arXiv preprint arXiv:2112.04745},
year = {2021}
}