基于凝聚式本地差分隐私的安全且效用感知的数据收集
密码学与安全
2019-10-22 v2 数据库
摘要
本地差分隐私（LDP）在实践中被广泛用于隐私保护数据收集。尽管现有 LDP 协议在大规模用户群体（100,000 或更多用户）下提供高效用，但其在小用户群体（如网络安全领域中的群体）场景下表现不佳，且缺乏能同时保护序列长度与内容、并对有序与非有序条目序列均有效的扰动机制。本文通过引入凝聚式本地差分隐私（CLDP）作为 LDP 的一种特化概念来解决小用户群体问题，并开发了一套在保护隐私的同时提供理想统计效用的 CLDP 协议。我们的协议支持不同类型的客户端数据，从有限度量空间中的有序数据类型（数值型恶意软件感染统计），到非有序条目（操作系统版本、交易类别），再到有序与非有序条目的序列。我们在多个数据集上进行了大量实验，包括比现有方法所用数据集小一个数量级的数据集，结果表明所提出的 CLDP 协议产生了高效用。此外，使用 Symantec 数据集的案例研究证明，我们的协议准确支持关键的网络安全导向任务：检测勒索软件爆发、识别受针对及脆弱的操作系统，以及检查受感染机器上的可疑活动。
引用
@article{arxiv.1905.06361,
title = {Secure and Utility-Aware Data Collection with Condensed Local Differential Privacy},
author = {Mehmet Emre Gursoy and Acar Tamersoy and Stacey Truex and Wenqi Wei and Ling Liu},
journal= {arXiv preprint arXiv:1905.06361},
year = {2019}
}