私有数据插补
密码学与安全
2025-11-27 v1
摘要
数据插补是一项重要的数据准备任务，数据分析师通过替换缺失或错误的值来提高下游分析的预期准确性。数据插补的准确性提升也适用于跨分布式数据库的私有数据分析。然而，现有的数据插补方法侵犯了数据隐私，使得下游分析中的隐私保护形同虚设。我们得出结论：私有数据分析需要私有数据插补。在本文中，我们提出了首个用于私有数据插补的优化协议。我们考虑了数据水平分割和垂直分割的情况。我们的优化旨在将大部分计算简化为私有集合交集（或至少是不经意可编程伪随机函数）协议，这些协议可以非常高效地计算。我们表明，在所有评估的数据集上，私有数据插补在垂直分割数据的情况下，平均比本地插补数据具有20%的准确性优势，在水平分割数据的情况下具有5%的优势。在最差的数据分割情况下，我们观察到，使用我们的方法进行插补，在垂直分割数据上，插补质量提升高达32.7倍，在水平分割数据上提升3.4倍。我们的协议非常高效，在10 Gbps网络设置下，对100,000条记录执行一次数据插补，垂直分割数据仅需2.4秒，水平分割数据仅需8.4秒。
引用
@article{arxiv.2511.20832,
title = {Private Data Imputation},
author = {Abdelkarim Kati and Florian Kerschbaum and Marina Blanton},
journal= {arXiv preprint arXiv:2511.20832},
year = {2025}
}