具有层次结构的隐私合成数据

我们研究层次数据集的差分隐私合成数据生成问题，其中个体数据点被分组在一起（例如家庭中的人）。特别地，为衡量合成数据集与底层私有数据集之间的相似性，我们将目标置于隐私查询发布问题下，生成保留某些查询集合答案（即均值聚合计数等统计量）的合成数据集。然而，尽管隐私合成数据在查询发布问题上的应用已被充分研究，此类研究仅限于非层次数据域，这引出了初始问题——考虑此种形式的数据时哪些查询是重要的？此外，如何同时在组级与个体级生成捕获此类统计量的合成数据尚待确立。鉴于这些挑战，我们首先形式化了层次查询发布问题，其目标是发布层次数据集的某组统计量。具体而言，我们提供了一组捕获组级与个体级属性间关系的通用统计查询。随后，我们引入用于层次查询发布的隐私合成数据算法，并在源自美国社区调查与 Allegheny 家庭筛查工具数据的层次数据集上评估它们。最后，我们着眼于美国社区调查，其固有的层次结构催生了另一组特定域查询，我们据此开展了实验。