从本地差分隐私视角看隐私漏斗

我们考虑一个包含 $n$ 个用户数据的数据库 $\vec{X} = (X_1,\cdots,X_n)$。数据聚合者希望公开该数据库，但希望对数据集进行净化以隐藏与 $X_i$ 相关的敏感数据 $S_i$。这一设定在隐私漏斗中被研究，其使用互信息作为泄露度量。该方法的缺陷在于互信息不能提供最坏情况保证，且寻找最优净化协议在计算上可能难以承受。我们通过使用差分隐私度量，以及考虑一次处理一个条目的本地协议来解决这些问题。我们表明，在本地差分隐私和本地信息隐私泄露度量下，都可以高效获得最优协议；然而，本地信息隐私既更贴合隐私漏斗场景的隐私要求，又更易高效计算。我们还考虑了每个用户具有多个属性（即 $X_i = (X^1_i,\cdots,X^m_i)$）的情形，为此我们定义了“抗侧信道本地信息隐私”（Side-channel Resistant Local Information Privacy），并给出了高效方法来寻找满足该准则同时仍提供良好效用的协议。探索性实验证实了这些方法的有效性。