面向局部差分隐私下的周期意识时间序列重建
多媒体
2026-05-05 v1
摘要
周期模式是多媒体信号和系统中的基本线索，包括视频中的重复运动（如步态周期）、音频中的节奏和音高结构，以及图像序列中的重复纹理。当此类用户生成数据流从边缘设备收集时，局部差分隐私（LDP）因其在上传前扰动数据而具有吸引力；然而，注入的噪声会破坏谱峰并引起相位漂移，导致周期估计不可靠并降低重建质量。我们提出了 CPR（Cycle and Phase Recovery，周期与相位恢复），一个针对局部差分隐私下周期时间序列的感知周期重建框架。CPR 通过多尺度周期探测和多共识选择来抑制噪声引起的谱干扰，然后在匹配的周期内相位位置聚合扰动样本，以稳定跨周期的相位对齐。为恢复每个相位的底层值，CPR 将基于 EM 的去噪与核密度估计相结合，在紧隐私预算下提高鲁棒性。在两个真实周期数据集上的实验表明，CPR 更好地保留了周期结构，并在所有 LDP 基线方法中持续实现更低的重建误差，尤其在低 条件下表现更为突出。
引用
@article{arxiv.2605.02724,
title = {Period-conscious Time-series Reconstruction under Local Differential Privacy},
author = {Yaxuan Wang and Tianxin Li and Enji Liang and Yue Fu and Yanran Wang},
journal= {arXiv preprint arXiv:2605.02724},
year = {2026}
}