图隐私论文速递:Towards Locally Differentially Private Generic Graph Metric Estimation

本文介绍了叶青青老师在ICDE 2020上发表的论文,探讨了如何使用本地差分隐私(LDP)对分布式图数据进行安全采集和分析。研究提出对图节点的邻接向量和度加噪,以保护隐私同时支持通用图分析函数。该框架旨在解决分布式图数据采集和分析的隐私问题,但是否适用于属性图、有向图等更复杂图的通用分析仍待进一步研究。
摘要由CSDN通过智能技术生成

作者:gufe_hfding

论文概要

在这里插入图片描述

今天要介绍的论文是香港理工大学叶青青老师发表在ICDE 2020上的海报论文“Towards Locally Differentially Private Generic Graph Metric Estimation”,叶老师从人民大学孟小峰老师团队毕业,并入职香港理工大学胡海波老师团队,她在本地差分隐私方面做了些不错的工作,在。

这篇海报论文有完整版的,挂在胡海波老师的网站上:http://www.eie.polyu.edu.hk/~haibohu/papers/lfgdpr.pdf
论文的引用格式如下:

Qingqing Ye, Haibo Hu, Man Ho Au, Xiaofeng Meng, Xiaokui Xiao:
Towards Locally Differentially Private Generic Graph Metric Estimation. ICDE 2020: 1922-1925

论文主要创新

这篇论文主要是针对图数据隐私采集提供了解决比较好的解决方案,利用本地差分隐私对分布式环境的图数据聚合采集问题,提出了关于图节点邻接向量和度分别加噪,聚合成各类图分析的函数。本质原因是邻接向量和度能构成其他图的特征分析的函数,比如聚集系数、社团检测等函数。这种框架能够为通用的分布式图采集及其采集后的数据分析提供解决方案。

启发

由于对本地差

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值