差分隐私与汉明失真下的鲁棒隐私-效用权衡
信息论
2018-08-02 v3 math.IT
摘要
针对任意有限字母表信源分布集合，提出了一种隐私-效用权衡。隐私使用差分隐私（DP）量化，效用使用在分布集合上最大化的期望汉明失真量化。信源分布集合族（信源集）根据其所捕获先验知识的不同水平分为三类。对于凸包包含均匀分布的信源集，对称DP机制是最优的。对于概率值具有固定单调排序的信源集，非对称DP机制是最优的。对于所有其他信源集，给出了最优隐私泄露的一般上下界，并建立了紧性的充要条件。差分私有泄露是互信息（MI）泄露的一个上界：对这两个准则进行解析和数值比较，以说明采用更强隐私准则的影响。
引用
@article{arxiv.1601.06426,
title = {Robust Privacy-Utility Tradeoffs under Differential Privacy and Hamming Distortion},
author = {Kousha Kalantari and Lalitha Sankar and Anand Sarwate},
journal= {arXiv preprint arXiv:1601.06426},
year = {2018}
}
备注
Extended abstract of ISIT 2016 submission