面向垂直划分不完整数据的隐私保护方法
密码学与安全
2021-01-01 v1 统计方法学
摘要
近年来，利用多来源信息的分布式健康数据网络引起了广泛关注。然而，此类网络中缺失数据普遍存在，并带来显著的分析挑战。当前处理缺失数据的最先进方法需要在分析前将数据汇集到中央存储库，这在分布式健康数据网络中可能无法实现。本文中，我们提出了一种隐私保护的分布式分析框架，用于处理数据垂直划分时的缺失数据。在该框架中，拥有特定数据源的各机构利用本地私有数据计算必要的中间聚合统计量，然后共享以构建处理缺失数据的全局模型。为评估所提方法，我们进行了仿真研究，清晰表明所提隐私保护方法与使用汇集数据的方法表现相当，并优于若干朴素方法。我们通过对真实数据集的分析进一步说明了所提方法。所提出的处理垂直划分不完整数据的框架比需要数据汇集的方法具有显著更强的隐私保护性，因为未共享任何个体级别数据，这可降低多机构协作的障碍并增强公众信任。
引用
@article{arxiv.2012.14954,
title = {Privacy-Preserving Methods for Vertically Partitioned Incomplete Data},
author = {Yi Deng and Xiaoqian Jiang and Qi Long},
journal= {arXiv preprint arXiv:2012.14954},
year = {2021}
}