可用差分隐私：以PSI为例的个案研究
人机交互
2018-09-13 v1
摘要
差分隐私是一种有前景的框架，用于解决共享敏感数据集供他人分析时的隐私问题。然而，差分隐私是一个高度技术性的领域，当前的部署通常要求专家编写代码、调整参数并优化统计发布的隐私与准确性之间的权衡。为使差分隐私发挥其广泛影响的潜力，设计可用系统以使普通数据所有者和分析者能够使用差分隐私十分重要。PSI正是为此目的而设计的工具，它允许研究人员发布关于其数据集的有用差分隐私统计信息，而无需成为计算机科学、统计学或隐私方面的专家。我们对PSI进行了彻底的可用性研究，以测试它是否实现了非专家可用的目标。该可用性测试阐明了PSI哪些特性最为用户友好，并促使我们改进工具中引起困惑的方面。测试还凸显了设计差分隐私可用系统的一些通用原则和经验教训，我们对此进行了深入讨论。
引用
@article{arxiv.1809.04103,
title = {Usable Differential Privacy: A Case Study with PSI},
author = {Jack Murtagh and Kathryn Taylor and George Kellaris and Salil Vadhan},
journal= {arXiv preprint arXiv:1809.04103},
year = {2018}
}
备注
17 pages