作者:张浩铭; 刘田天; 龙士工差分隐私结构误差数据隐私保护
摘要:差分隐私作为一种新的保护技术能够抵抗假设攻击和背景知识攻击。为了满足差分隐私的要求,需要对直方图的多个桶进行重新分组并合并,然后对新的桶增加拉普拉斯噪音。如果分组过于粗糙,就需要增加过多的噪音,影响到直方图信息的可用性,同时还会暴露有关直方图的敏感信息。采用迭代的动态规划方法提出一种优化的直方图结构划分算法,使重新划分的直方图具有最小的结构误差。上述算法支持长查询,具有较小的敏感度,只需要较小范围的噪音就能达到差分隐私的保护要求。优化的结构优先算法以及Boost算法在真实数据集上的对比实验结果表明,其精度优于同类算法。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社