差分隐私的局限（及其在数据发布与机器学习中的误用）
密码学与安全
2020-11-05 v1
摘要
差分隐私（DP）是一种简洁的隐私定义，能够在交互式查询背景下与某些明确定义的数据使用方式共存。然而，DP 既不是解决所有隐私问题的万能药，也不能替代此前所有的隐私模型。事实上，当试图将其使用扩展到其设计所针对的设置之外时，应格外小心。本文回顾了 DP 的局限性及其在个人数据收集、个人数据发布和机器学习中的误用。
引用
@article{arxiv.2011.02352,
title = {The Limits of Differential Privacy (and its Misuse in Data Release and Machine Learning)},
author = {Josep Domingo-Ferrer and David Sánchez and Alberto Blanco-Justicia},
journal= {arXiv preprint arXiv:2011.02352},
year = {2020}
}
备注
Communications of the ACM, to appear