使用个性化差分隐私在社交网络中发布连接指纹
密码学与安全
2017-11-27 v2
摘要
在社交网络中，不同用户可能有不同的隐私偏好，并且存在许多具有公开身份的用户。大多数关于差分隐私社交网络数据发布的工作忽略了这一事实。我们的目标是在用户级个性化隐私偏好下，发布私有用户在 n 跳内连接的公开用户数量，称为 n 范围连接指纹（CFPs）。我们提出了两种方案，基于距离的指数预算吸收（DEBA）和使用阶梯函数的基于距离的均匀预算吸收（DUBA-LF），用于基于个性化差分隐私（PDP）的 CFPs 隐私保护发布，并对所提方案内提供的隐私保证进行了理论分析。实现表明，所提方案在真实数据集上的发布误差方面表现优越。
引用
@article{arxiv.1709.09454,
title = {Release Connection Fingerprints in Social Networks Using Personalized Differential Privacy},
author = {Yongkai Li and Shubo Liu and Dan Li and Jun Wang},
journal= {arXiv preprint arXiv:1709.09454},
year = {2017}
}
备注
A short version of this paper is accepted for publication in Chinese Journal of Electronics