Oct, 2014

在时间相关性下利用差分隐私保护位置信息

PDF
TL;DR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。
location privacydifferential privacytemporal correlationslocation perturbationgeometric sensitivity
发现论文，激发创造
  • 基于位置的系统的差分隐私：地理不可区分性

    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。

    Dec, 2012

  • 在时间相关性下量化差分隐私

    本文探讨在连续数据发布背景下 DP 机制在时间相关性下的潜在隐私泄漏。通过使用 Markov 模型对时间相关性进行建模，并分析了 DP 机制在对手知道时间相关性情况下的隐私泄漏。文章提出了一种有效算法来计算该隐私泄露，并提出了一种机制来将现有的 DP 机制转化为针对时间隐私泄漏的机制，实验结果表明该方法既有效又高效。

    Oct, 2016

  • 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

  • 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

  • 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

  • 差分隐私的几何学：稀疏和近似情况

    通过使用关联的高斯噪声和线性回归步骤，我们基于差分隐私机制的多项式对数组进行了矩阵突触连接和遗传差异，从而在线性查询的上下文中研究了准确性和隐私之间的权衡。

    Dec, 2012

  • 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

  • 本地差分隐私数据收集与分析

    本文提出一种实现高精度（ε，δ）-LDP （可保持个人数据隐私）的机制，分别针对多维数值数据和分类属性进行收集，实现了对数据的安全保护和更高的准确性，实验证明其在数据统计和机器学习模型中具有很高的数据实用性。

    Jun, 2019

  • 使用函数机制的差分隐私对数 - 位置 - 尺度回归

    该研究介绍了在 LLS 回归模型中引入差分隐私的差分隐私对数位置尺度回归（DP-LLS）模型，并通过功能机制将差分隐私融入 LLS 回归。研究证明了所提出的 DP-LLS 模型满足 epsilon - 差分隐私，并通过模拟和案例研究评估了该模型的性能，结果表明预测因素维度、训练样本数量和隐私预算是影响该模型性能的三个关键因素，同时也需充分的训练数据集以确保模型性能和满意的隐私保护水平。

    Apr, 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