面向相关数据的 Pufferfish 隐私机制
机器学习
2017-03-14 v3 密码学与安全
机器学习
摘要
许多现代数据库包含个人的、敏感的相关数据，例如社交网络中相互关联用户的私人信息，以及单个主体跨时间的身体活动测量值。然而，差分隐私作为当前数据隐私的黄金标准，并不能充分解决此类数据中的隐私问题。本工作考察了差分隐私的一个近期推广，称为 Pufferfish，其可用于处理相关数据中的隐私问题。应用 Pufferfish 的主要挑战在于缺乏合适的机制。我们提供了首个机制——Wasserstein 机制（Wasserstein Mechanism）——它适用于任何通用的 Pufferfish 框架。由于该机制可能计算效率低下，我们提供了另一种适用于某些实际情形（如跨时间的身体活动测量）且计算高效的机制。我们的实验评估表明，该机制在两个独立领域为合成数据及真实数据提供了隐私性与可用性。
引用
@article{arxiv.1603.03977,
title = {Pufferfish Privacy Mechanisms for Correlated Data},
author = {Shuang Song and Yizhen Wang and Kamalika Chaudhuri},
journal= {arXiv preprint arXiv:1603.03977},
year = {2017}
}