空间点过程数据的隐私保护
应用统计
2020-04-30 v2 统计方法学
摘要
本工作中我们开发了用于 privatizing 空间位置数据（如个体疾病病例的空间位置）的方法。我们提出两种基于对数高斯 Cox 过程 (LGCPs) 生成合成位置数据的新型贝叶斯方法。我们展示了条件预测序数 (CPO) 估计可轻易获得于点过程数据。我们构建了一种利用 CPO 估计评估个体披露风险的新型风险度量。我们针对 LGCPs 调整了倾向均方误差 (pMSE) 数据效用度量。我们以 Dr. John Snow 的霍乱暴发数据案例研究表明，相较于径向合成，我们的合成方法提供了改进的风险-效用平衡。
引用
@article{arxiv.2003.12816,
title = {Privacy for Spatial Point Process Data},
author = {Adam Walder and Ephraim M. Hanks and Aleksandra Slavković},
journal= {arXiv preprint arXiv:2003.12816},
year = {2020}
}