洗牌模型中通过虚拟点的隐私增强
密码学与安全
2021-08-03 v2
摘要
洗牌模型近期被提出以解决本地差分隐私（LDP）中因分布式数据随机化导致的严重效用损失问题。在洗牌模型中，利用一个洗牌器切断用户身份与上传至数据分析方的消息之间的关联。由于达成相同隐私保证所需引入的噪声更少，遵循该范式提升了隐私保护数据收集的效用。我们提出 DUMP（基于虚拟点），一种洗牌模型中隐私保护直方图估计框架。DUMP 的核心是新概念“虚拟毯”，其通过仅在用户端引入点来增强隐私，并进一步提升洗牌模型的效用。我们通过提出 pureDUMP 与 mixDUMP 两种协议实例化 DUMP，并开展全面实验评估与现有协议比较。实验结果显示，在相同隐私保证下：（1）所提协议相较所有现有多消息协议在通信效率上有显著改进，至少提升 3 个数量级；（2）它们取得具竞争力的效用，而唯一已知效用优于我们的协议（Ghazi 等，PMLR 2020）采用难以精确采样的分布，易遭浮点攻击（CCS 2012）。
引用
@article{arxiv.2009.13738,
title = {Privacy Enhancement via Dummy Points in the Shuffle Model},
author = {Xiaochen Li and Weiran Liu and Hanwen Feng and Kunzhe Huang and Jinfei Liu and Kui Ren and Zhan Qin},
journal= {arXiv preprint arXiv:2009.13738},
year = {2021}
}