高维空间中LDP机制的效用分析与增强
密码学与安全
2022-01-20 v1 数据库
摘要
本地差分隐私（LDP）是一种流行的隐私保护数据收集机制，它在本地扰动每个用户的数据，仅将其信息的加噪版本发送给聚合方。在LDP中，数据收集者无需访问原始数据即可获得准确统计，从而保障隐私。然而，LDP的一个主要缺点是在高维空间中效用令人失望。尽管已提出多种LDP方案以减少扰动，但它们在收集方一侧共享相同且朴素的聚合机制。本文中，我们首先提出一个分析框架，用于一般性地度量高维空间中LDP机制的效用，该框架无需进行任何实验即可对现有及未来的LDP机制进行基准测试。在此基础上，该框架进一步揭示朴素聚合在高维空间中是次优的，且存在很大改进空间。受此启发，我们提出一种面向高维均值估计的重新校准协议HDR4ME，它在不对现有LDP机制做任何改动的情况下提升了其效用。理论分析和大量实验均证实了我们的框架与协议的通用性和有效性。
引用
@article{arxiv.2201.07469,
title = {Utility Analysis and Enhancement of LDP Mechanisms in High-Dimensional Space},
author = {Jiawei Duan and Qingqing Ye and Haibo Hu},
journal= {arXiv preprint arXiv:2201.07469},
year = {2022}
}
备注
This paper is accepted and will appear in ICDE 2022 as a regular research paper