Dec, 2012

基于位置的系统的差分隐私：地理不可区分性

PDF
TL;DR本文介绍了基于位置系统中用户隐私问题，提出了一种新的保障用户位置隐私的定义，并通过在用户位置中添加控制随机噪声的扰动技术来实现此目的，并与其他文献中的保护机制进行比较，结果表明我们的机制在不依赖于先验知识的情况下，为用户提供了最好的隐私保障。
location-based systemsgeo-indistinguishabilityprivacy concernsperturbation techniquelbs application
发现论文，激发创造
  • 在时间相关性下利用差分隐私保护位置信息

    该论文提出了一种系统性解决方案以保护位置隐私，通过引入 “delta-location set” 基于差分隐私的定义来考虑位置数据中的时间相关性，提出了一个新的敏感度计算概念 —— 精度壳，为位置扰动提出了一个平面各向同性机制， 经实验验证，在数据的效用方面优于基线方法。

    Oct, 2014

  • 统一的位置差分隐私框架

    使用本研究提出的统一地理位置差分隐私 (DP) 框架，能够以个人数据保护为前提实现不同数据类型的地理区域内的隐私数据聚合，从而对聚合统计数据进行地理数据分析。

    May, 2024

  • 本地差分隐私：教程

    本文针对 LDP 算法在隐私、统计计算和大数据等领域的应用，介绍了不同 LDP 算法在本地程序用户隐私保护、重要数据识别和空间数据收集等问题上的实现并探讨了其未来发展方向。

    Jul, 2019

  • 演化数据的本地差分隐私

    本文介绍了一种新的本地差分隐私技术，可以在时间上保持最新的统计数据，隐私保证仅随基础分布变化次数而衰减，而不是收集周期次数，其中提供了使用频率和重量估计的应用程序。

    Feb, 2018

  • 异构差分隐私

    本文提出一种异构的差分隐私概念，旨在充分考虑用户之间的隐私态度和期望差异，结合 Laplacian 机制实现个性化系统中的隐私保护，并在真实数据集上实验证明该方法能够在保障隐私同时保持良好的语义聚类结果。

    Apr, 2015

  • 面向稀疏联合分析：使用分布式差分隐私和安全聚合的位置热图

    本文介绍了一种基于分布式差分隐私的、具有规模和自适应性的方法，用于生成来自数百万用户设备的位置热图，以保护隐私并在用户设备上最小化资源消耗。在公共位置数据集上进行的评估表明，此方法成功地生成了大城市规模的热图，与现有的类似精度的私有协议相比，客户端通信开销的最坏情况显着小得多。

    Nov, 2021

  • 去往何处即是你的身份 —— 基于机器学习的语义隐私攻击研究

    机器学习和位置数据的隐私攻击对隐私造成了显著风险，并且需要隐私监管来保护个人的位置信息。

    Oct, 2023

  • 局部隐私条件下的因果探索

    本文研究了局部差分隐私机制，并比较了这些机制在数据混淆时提供的隐私与因果学习算法生成的因果结构的准确性之间的权衡，为选择合适的局部差分隐私协议进行因果发现任务提供了有价值的见解。

    Nov, 2023

  • 差分隐私：效用与信息泄露之间的平衡

    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

  • 关于本地差分隐私在数据统计和分析中的综合调研

    本文论述了 LDP（Local Differential Privacy）模型的隐私保护架构，包括模型、机理、应用场景以及未来研究方向，并比较了在不同数据分析任务中的应用，以达到保护数据隐私的目的。

    Oct, 2020