1. 本地化差分隐私研究综 述 叶青青 , 孟小峰 , 朱敏杰 , 霍峥 . 软件学报 ,2018,29(7). 指导老师:温蜜 汇报人:谢荣
2. 目 录 CONTENTS 1. 研究背 景 2. 基础知 识 3. 基于本地化差分隐私的数据保护框架 4. 主要研究方向 5. 本地化差分隐私方法对比与分析 6. 未来研究挑 战
3. 研究背 景
4. 研究背景 大数据时代,信息技术为人类社会带来便捷的同时,也产生数据安全与用户隐私的问题。 就隐私保护技术而言,隐私保护程度和数据可用性的最重要的衡量指标。 为了平衡上述两个指标,需要对隐私进行量化,进而提出了差分隐私技术。 传统的差分隐私技术将原始数据集中到应该数据中心,称为中心化差分隐私。 中心化差分隐私始终基于可信第三方,在实际应用中会受限,于是提出了本地化差分隐私。 4
5. 基础知 识
6. 定义 给定 n 个用户,每个用户对应一条记录, 给定一个隐私算法 M 及其定义域 Dom(M) 和值域 Ran(M), 若算法 M 在任意两条记录 t 和 t’ 上得到相同的输出结果 t* , 满足下列不等式,则 M 满足 ε- 本地化差分隐私。
7. 扰动机制 随机响应技术 (WRR) (仅对两种取值的离散 数值型数据响应) 主要思想: 利用对敏感问题 响应的不确定性对原始 数据进行隐私保护。 主要步骤: 1 、扰动性统计 2 、校正 离散型数据的随机响 应 (超过两种取值) 第一种思路: 对变量的不同取 值进行编码与转化。 第二种思路: 改进 ,使其直接 进进进进进 适用多取值的变量。 连续型数据的随机响 应 主要思想: 将连续型数据离 散化。
8. 本地化与中心化差分隐私的异同 点 1 、组合特性 2 、可信与不可信第三方 3 、噪声机制 4 、应用