Plume：大规模差分隐私
密码学与安全
2022-01-28 v1 分布式、并行与集群计算
摘要
差分隐私已成为私有数据分析的标准，大量文献现已提供针对各种问题的差分隐私解决方案。然而，将这些解决方案转化为实际系统往往需要面对文献忽略或抽象掉的细节：用户可能贡献多条记录，可能记录的域可能未知，且最终系统必须能扩展到大量数据。未能仔细考虑所有这三个问题会严重损害系统的质量与可用性。我们提出 Plume，一个旨在解决这些问题的系统。我们描述了一些有时微妙的实作问题，并提供了实用的解决方案，这些方案共同使工业规模的差分隐私数据分析系统成为可能。Plume 目前部署于 Google，并常规用于处理拥有数万亿条记录的数据集。
引用
@article{arxiv.2201.11603,
title = {Plume: Differential Privacy at Scale},
author = {Kareem Amin and Jennifer Gillenwater and Matthew Joseph and Alex Kulesza and Sergei Vassilvitskii},
journal= {arXiv preprint arXiv:2201.11603},
year = {2022}
}