面向分布式数据合成数据生成的安全多方计算
密码学与安全
2022-11-01 v2 机器学习
摘要
访问相关数据的法律与伦理限制阻碍了健康、金融和教育等关键领域的数据科学研究。具有隐私保障的合成数据生成算法正作为一种打破数据僵局的范式而出现。然而，现有方法假设数据持有者将其原始数据提供给可信 curator，后者将其作为合成数据生成的燃料。这严重限制了适用性，因为世界上大量有价值的数据被锁在孤岛中，由无法在不引发隐私担忧的情况下向彼此或中心聚合器展示数据的实体所控制。为克服这一障碍，我们提出了首个解决方案，其中数据持有者仅共享加密数据以进行差分隐私合成数据生成。数据持有者将份额发送给服务器，服务器在原始数据保持加密的状态下执行安全多方计算（MPC）计算。我们在 Multiplicative Weights with Exponential Mechanism (MWEM) 算法的 MPC 协议中实例化了该思想，以基于来自多个数据持有者的真实数据生成合成数据，且不依赖单点故障。
引用
@article{arxiv.2210.07332,
title = {Secure Multiparty Computation for Synthetic Data Generation from Distributed Data},
author = {Mayana Pereira and Sikha Pentyala and Anderson Nascimento and Rafael T. de Sousa and Martine De Cock},
journal= {arXiv preprint arXiv:2210.07332},
year = {2022}
}