数据库中的效用 - 隐私权衡问题:一种信息论方法
本研究介绍和探讨了个性化隐私经济学,其中人们可以选择以持续或按需方式分享个人信息,以换取在网上服务质量方面的预期提高,并在网页搜索的情况下,制定了现实目标函数以实现效用和隐私的平衡,并通过一项规模较大的调查,评估了用户对隐私和效用的偏好。
Jan, 2014
本文提出了一种基于差分隐私的机制,以保证数据查询的数据隐私和查询效用之间的平衡。机制包含了每个可能的用户的期望最小化的代价函数,并且针对每个固定数量的查询和差分隐私级别,存在一种几何机制可以同时保证每个可能用户的最佳实用性,这是一种极强的实用性保障。
Nov, 2008
提出一种用于捕获用户向被动好奇敌手发布数据时产生的隐私威胁并在效用约束下加以限制的一般性统计推断框架,其中应用自信息成本函数于非渐进信息论方法用于表征最佳可实现的隐私,基于这些结果引入平均信息泄漏和最大信息泄漏两种隐私度量,证明在两种指标下,将用户数据映射到隐私保护输出的最优映射可被描述为修正的率失真问题并可设计成凸编程,最后与差分隐私进行比较。
Oct, 2012
本文提出了一种隐私保护的实用方法,使用通用的统计推断框架捕获推断攻击下的隐私威胁并满足效用约束,采用隐私保护概率映射技术对发布的数据进行扭曲处理,同时解决了实际中遇到的实用挑战,通过引入量化步骤和减少优化大小的方法,我们的方法在保证数据原版用途的情况下,取得了良好的隐私保护效果。
Aug, 2014
本文介绍差分隐私与最小 Rény 熵互信息相关性的模型,指出差分隐私可推出对互信息的限制,同时提供了一个在保持差分隐私的前提下产生最大随机值的方法.
Mar, 2011
我们提出了一种新的问题形式来处理隐私与效用之间的权衡,特别是针对由具有独特私人和效用属性集的两个不同用户组组成的情况。我们通过一个可信第三方引入了两个用户组之间的协作数据共享机制,该机制使用对抗隐私技术对数据进行内部清洁,消除了手动注释或辅助数据集的需要。我们的方法确保了无法准确推断私人属性,同时实现了高度准确的效用特征预测。此外,我们的数据共享机制与各种现有的对抗隐私技术兼容,并通过使用合成和真实世界数据集进行实证展示,展示了其平衡隐私和效用这一互相冲突目标的能力。
Apr, 2024
我们提出了一个形式化的信息论定义,设计了一个可学习的数据转换框架,能够选择性地抑制目标数据集中的敏感属性,同时保留其他有用属性,无论其是否事先已知或明确注解以便保留。通过对多种模态的数据集进行全面的实验评估,包括人脸图像、语音音频片段和人体活动传感器信号,结果显示我们的方法在多种配置和任务下都具有有效性和普适性。
May, 2024
提出了一种经济解决方案,通过运用计算机科学中的生产模型来降低公布数据的隐私成本,达到精确统计和保护隐私的双重目标。在美国统计项目中应用了这一框架,但更好的理解隐私和统计准确性的购买意愿,对此提出了一个需要进一步探讨的方向。
Aug, 2018
该论文提出了一种新的隐私保护方法,即 “随机隐私”,通过此方法,用户可以获得数据使用的概率上限的保证,以此来保护用户的个人数据隐私,同时提供更好的服务质量,实现广告投放和用户画像的个性化等个性化服务,通过 web 搜索个性化案例验证其方法的有效性。
Apr, 2014