披露避免系统的隐私与偏差分析
密码学与安全
2023-01-31 v1 人工智能
多智能体系统
摘要
披露避免（DA）系统用于在保障数据机密性的同时，允许数据被分析和传播以用于分析目的。这些方法，例如单元抑制、交换和 k-匿名，被普遍应用并可能产生重大的社会与经济影响。然而，对其隐私和偏差保证的形式化分析一直缺失。本文提出一个解决此空白的框架：它给出了这些机制的差分隐私版本并推导了其隐私界。此外，本文在美国人口普查数据发布和分类任务上，从准确性和公平性方面将其性能与传统差分隐私机制进行比较。结果表明，与普遍看法相反，传统差分隐私技术在与广泛使用的 DA 机制的差分隐私对应物相比时，在准确性和公平性上可能更优。
引用
@article{arxiv.2301.12204,
title = {Privacy and Bias Analysis of Disclosure Avoidance Systems},
author = {Keyu Zhu and Ferdinando Fioretto and Pascal Van Hentenryck and Saswat Das and Christine Task},
journal= {arXiv preprint arXiv:2301.12204},
year = {2023}
}