PCKV：具有优化效用的局部差分隐私相关键值数据收集
密码学与安全
2019-12-02 v1
摘要
局部差分隐私（LDP）下的数据收集大多针对同构数据被研究。现实应用常涉及如键值对这类不同数据类型的混合，其中每个键下的键频度与值均值须同时估计。对于 LDP 下的键值数据收集，由于数据含两个维度且用户可拥有多个键值对，实现良好的效用-隐私权衡颇具挑战。键与值间还存在固有相关性，若不加以利用将导致较差效用。本文提出一种利用相关扰动提升效用的局部差分隐私键值数据收集框架。我们以两种协议 PCKV-UE（基于一元编码）与 PCKV-GRR（基于广义随机响应）实例化该框架，其中设计了先进的填充-采样机制与非交互的改进均值估计器。由于我们的键与值相关扰动机制，组合隐私预算被证明小于键与值独立扰动的情形，使我们能进一步通过预算分配优化扰动参数。在合成与真实数据集上的实验结果表明，在相同 LDP 保证下，我们提出的协议在频度与均值估计上均优于最先进机制。
引用
@article{arxiv.1911.12834,
title = {PCKV: Locally Differentially Private Correlated Key-Value Data Collection with Optimized Utility},
author = {Xiaolan Gu and Ming Li and Yueqiang Cheng and Li Xiong and Yang Cao},
journal= {arXiv preprint arXiv:1911.12834},
year = {2019}
}
备注
The paper was submitted to Usenix Security Symposium in August 2019 and will appear in Usenix Security Symposium 2020