随机差分隐私
统计方法学
2011-12-13 v1 密码学与安全
机器学习
摘要
我们提出了一种松弛的隐私定义，称为随机差分隐私（RDP）。差分隐私要求向数据库中添加任何新观测对数据发布过程的输出仅有微小影响。随机差分隐私则要求向数据库中添加一个随机抽取的新观测对输出仅有微小影响。我们证明了差分隐私过程的一个复合性质的类似结论适用于我们的新定义。我们展示了如何发布 RDP 直方图，并证明 RDP 直方图比使用普通差分隐私获得的直方图准确得多。最后，我们证明了在我们的隐私定义下，函数发布存在一个全局敏感性框架的类似结论。
引用
@article{arxiv.1112.2680,
title = {Random Differential Privacy},
author = {Rob Hall and Alessandro Rinaldo and Larry Wasserman},
journal= {arXiv preprint arXiv:1112.2680},
year = {2011}
}