数据源的效用与隐私：香农能否帮助隐藏和揭示信息？
信息论
2010-02-09 v1 math.IT
摘要
来自大量集中式可搜索数据存储库的私人信息“泄露”（无意或恶意设计）问题，推动了对一种分析框架的需求，该框架能够明确量化私人数据在多大程度上可以保持安全（隐私），同时仍能为多个合法信息消费者提供有用的益处（效用）。我们证明，率失真理论是开发这样一个框架的自然选择，该框架包括：数据源建模、开发与应用程序无关的效用和隐私度量、量化效用-隐私权衡（无论数据源类型或提供隐私的方法如何）、开发用于处理外部知识问题的侧信息模型，以及研究多查询数据源的连续披露问题。
引用
@article{arxiv.1002.1347,
title = {Utility and Privacy of Data Sources: Can Shannon Help Conceal and Reveal Information?},
author = {Lalitha Sankar and S. Raj Rajagopalan and H. Vincent Poor},
journal= {arXiv preprint arXiv:1002.1347},
year = {2010}
}
备注
presented at the 4th Information Theory and Applications Workshop, La Jolla, CA