Zip to Zip-it：通过压缩实现本地差分隐私
密码学与安全
2023-08-29 v1
摘要
针对数值数据的本地差分隐私技术通常对数据集进行变换，以确保在给定查询时恶意用户推断原始样本信息的可能性的上界。查询往往仅基于用户及其需求，将扰动的设计限制在不损害结果可用性的过程中。本文提出一种称为 Zeal 的隐私化技术，其中扰动方与聚合方作为整体设计，从而产生一种本地差分隐私机制，该机制从设计上提高了扰动后数据集相较于原始数据集的可压缩性，节省了数据收集的传输比特，并防范了影响其他前沿方案的浮点运算导致的隐私漏洞。我们证明，在广泛条件下，查询平均值的效用误差对 Zeal 引入的偏置是不变的，且在相同情况下 Zeal 也能保证针对上述漏洞的保护。数值结果表明，在保持效用误差在 2% 以内的同时，压缩率提升高达 94%，数据传输效率提升高达 95%。
引用
@article{arxiv.2308.14627,
title = {Zip to Zip-it: Compression to Achieve Local Differential Privacy},
author = {Francesco Taurone and Daniel Lucani and Qi Zhang},
journal= {arXiv preprint arXiv:2308.14627},
year = {2023}
}