单服务器私有线性变换:个体隐私情形
信息论
2021-06-11 v2 信息检索
机器学习
math.IT
摘要
本文考虑具有个体隐私保证的单服务器私有线性变换(PLT)问题。在该问题中,用户希望获取存储在单服务器上含 条消息的数据集中某个 消息子集的 个独立线性组合。目标是在保持计算所需每条消息身份各自私有的同时最小化下载成本。个体隐私要求确保计算所需各个消息的身份均被保密。这与保护用于计算的所有消息身份整体(包括这些身份间相关性)的更严格联合隐私概念形成对比。个体隐私概念涵盖广泛的实际应用。例如,当数据集包含关于个体的信息时,该概念在每个人均需对其数据访问模式获得隐私保证时是相关的。我们关注所需线性变换关联最大距离可分(MDS)矩阵的情形。具体而言,我们要求所需线性组合的系数矩阵是 MDS 码的生成矩阵。我们建立了具有个体隐私的 PLT 容量的下界与上界,其中容量定义为所有可达下载率的上确界。我们表明在某些条件下我们的界是紧的。
引用
@article{arxiv.2106.05222,
title = {Single-Server Private Linear Transformation: The Individual Privacy Case},
author = {Anoosheh Heidarzadeh and Nahid Esmati and Alex Sprintson},
journal= {arXiv preprint arXiv:2106.05222},
year = {2021}
}
备注
14 pages, 1 figure. This work is a long version of arXiv:2102.01662