利用保序回归差分隐私发布位置数据集
密码学与安全
2011-11-30 v1 数据库
摘要
我们考虑以差分隐私方式发布位置数据集（特别是二维空间点集）的问题。许多现有机制侧重于域的先验划分中点的频率计数，而这种划分难以确定。我们提出了一种直接向点或邻近点组添加噪声的方法。我们的方法基于这样一个观察：作为实数集函数的排序，其敏感度是有界的。结合保序回归，可以准确地重构数据集。为了将该机制扩展到更高维度，我们采用保局部性函数将数据集映射到有界区间。虽然保局部性函数的性能存在基本限制，但幸运的是，我们的问题仅需要在“较容易”的方向上保持距离，而著名的 Hilbert 空间填充曲线足以提供高精度。从发布者的角度来看，发布过程很简单：发布者只需映射数据、排序、分组、添加拉普拉斯噪声并发布数据集。唯一需要确定的参数是组大小，可以根据预测的泛化误差进行选择。实证研究表明，发布的数据集也可用于准确回答其他查询，例如范围查询和中值查询。
引用
@article{arxiv.1111.6677,
title = {Publishing Location Dataset Differential Privately with Isotonic Regression},
author = {Chengfang Fang and Ee-Chien Chang},
journal= {arXiv preprint arXiv:1111.6677},
year = {2011}
}