差分隐私下位置轨迹的鲁棒指纹标识
密码学与安全
2023-04-25 v3
摘要
直接发布这些数据会引发隐私和责任（例如由于此类数据集的未经授权分发）担忧，因为位置数据包含用户的敏感信息，例如规律移动模式和常去地点。为此，我们提出了一种新颖的指纹方案，可同时识别位置数据集的未经授权再分发，并为共享数据提供差分隐私保证。观察到差分私有机制导致的数据效用退化，我们引入了一种以效用为重点的后处理方案，以恢复位置轨迹中数据点之间的时空相关性。我们进一步将该后处理方案作为采样方法集成到我们的指纹方案中。所提出的指纹方案缓解了由差分私有机制引入的噪声导致的共享数据集效用退化（即通过在保留数据公开已知统计量的同时添加指纹）。同时，由于差分隐私的基本属性——对后处理免疫，它在整个过程中不违反差分隐私。我们提出的指纹方案对已知且被充分研究的针对指纹方案的攻击具有鲁棒性，包括随机翻转攻击、基于相关性的翻转攻击以及多方合谋，这使得攻击者难以推断指纹码并逃避指控。通过在两个真实位置数据集和两个合成数据集上的实验，我们表明我们的方案实现了高指纹鲁棒性并优于现有方法。此外，所提出的指纹方案提高了差分私有数据集的数据效用，这对数据分析者有益。
引用
@article{arxiv.2204.04792,
title = {Robust Fingerprint of Location Trajectories Under Differential Privacy},
author = {Yuzhou Jiang and Emre Yilmaz and Erman Ayday},
journal= {arXiv preprint arXiv:2204.04792},
year = {2023}
}