Data publishing——PrivBayes
针对高维数据的差分隐私发布,通常使用的方法是降维,利用有效的维度转换方法得到低维数据,再对转换后的低维数据集添加噪声。
依据属性间关系假设的不同,高维数据发布方法又可分为数据独立的发布方法与数据相关的发布方法。数据相关发布方法假设属性间相互依赖,现有研究多通过概率图模型判别属性间的关联性,如贝叶斯网络、Markov网络,隐树模型等。
陈恒恒, 倪志伟, 朱旭辉,等. 基于聚类分析的差分隐私高维数据发布方法[J]. 计算机应用.
一、high-dimensional data
DP发布高维数据时存在问题,原因在于两方面:
(1)输出的可扩展性。许多算法大都把据集表示为一个大小和域大小一样的向量,如果直接用噪声机制对输出单元添加噪声,所需隐私预算、存储空间、计算代价都很高。e.g. 一个数据集有10个属性,每个属性有20个可能的值,那么域大小m=20^10≈10TB。
(2)信噪比。当高维数据被表示为一个向量x,那么向量中每个单元的信息量很小,使得噪声占主导地位,发布结果的可用性很差。e.g. 数据集大小n=1M,那么每个条目分得的n/m=10^-7,而噪声是比较大的。
二、PrivBayes
Zhang J , Cormode G , Procopiuc C M , et al. PrivBayes: Pri