差分隐私在排序聚合中的应用：隐私性与准确性
人工智能
2014-09-25 v1 密码学与安全
摘要
隐私泄露的潜在风险阻碍了用户在社交平台上分享其真实观点。本文探讨了当查询返回排序直方图时的隐私保护问题。我们将差分隐私框架应用于排序聚合。分析了为实现差分隐私而添加噪声所导致的聚合排序误差概率。在假设偏好分布均匀的前提下，推导了任意位置排序规则的误差率上界。提供了模拟结果以验证概率分析。
引用
@article{arxiv.1409.6831,
title = {The Application of Differential Privacy for Rank Aggregation: Privacy and Accuracy},
author = {Shang Shang and Tiance Wang and Paul Cuff and Sanjeev Kulkarni},
journal= {arXiv preprint arXiv:1409.6831},
year = {2014}
}
备注
Fusion 2014