针对有限能力对手的隐私-效用权衡
信息论
2021-06-29 v1 math.IT
最优化与控制
摘要
我们研究隐私-效用权衡，其中用户与服务商共享与隐私相关的有用信息以获得某种效用。服务商具有对抗性，因为它可基于所共享的有用信息推断用户的隐私信息。为在维持所需效用水平的同时最小化隐私泄露，用户在共享前通过概率性隐私映射仔细扰动有用信息。我们关注如下设定：试图对用户隐私发起推断攻击的对手，对私有变量与有用变量之间的统计相关性可能具有偏倚信息。用户与有限能力对手之间的这种信息不对称，在相同效用要求下比全能对手情形带来更好的隐私保障。我们首先确定对手信息的假设，以使推断代价定义良好且有限。然后，我们刻画信息不对称的影响，并表明其增加了对手的推断代价。我们进一步使用凸函数之差规划来表述针对有限能力对手的隐私映射设计，并通过凹凸过程求解。当对手信息无法精确获得时，我们采用贝叶斯视角，用概率分布表示对手信息。此时，对手的期望代价无闭式表达，我们建立并最大化该期望代价的下界。我们给出一个关于人口普查数据集的数值示例以说明理论结果。
引用
@article{arxiv.2106.14643,
title = {Privacy-Utility Trade-Offs Against Limited Adversaries},
author = {Xiaoming Duan and Zhe Xu and Rui Yan and Ufuk Topcu},
journal= {arXiv preprint arXiv:2106.14643},
year = {2021}
}