有状态切换：基于本地差分隐私的优化时间序列发布

时间序列数据在大数据分析中具有众多应用。然而，当从个人处收集时，它们常引发隐私问题。为解决该问题，多数现有工作扰动时间序列中的数值同时保留其时间顺序，这可能导致数值的严重失真。最近，我们提出 TLDP 模型，该模型对时间进行扰动以保证隐私，同时保留原始数值。已表明其在许多时间序列分析中比数值扰动机制实现显著更高的效用。然而，其实用性仍受两方面因素削弱：额外缺失或空值带来的效用代价，以及隐私预算设置的不灵活性。为解决它们，本文提出 switch 作为一种用于时间扰动的新的双向操作，以取代单向的 dispatch 操作。前者从根本上消除了缺失、空或重复值的代价。以有状态方式优化 switch 操作，我们进而提出 $StaSwitch$ 机制，用于在 TLDP 下的时间序列发布。通过分析与实证研究，我们表明 $StaSwitch$ 对所发布时间序列的效用显著高于任何最先进的时间或数值扰动机制，同时允许任意隐私预算设置的组合。