信息论隐私笔记
该论文讨论了用户在希望获得某些实用性的同时,披露与其私人数据相关的信息所面临的隐私 - 效用权衡以及了解了一种概率隐私映射的数据变换技术,进而提出了一种优化方案以平衡隐私泄露和效用损失。通过实验在美国人口普查数据集上检验了该方案的性能。
Feb, 2014
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
研究在数据即使隐私保护给定的情况下,隐私保证和结果统计估计器的效用之间的权衡,通过信息论和标准最小最大技术,提出本地隐私约束下统计速率的精确刻画,并提出新的隐私保护机制和计算有效的估计器,以实现界限。
Feb, 2013
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
通过使用最大相关性代替互信息作为隐私约束,本文对速率隐私函数进行了修改,得到了一种考虑隐私约束的估计问题的速率隐私函数,并得出了当最大相关隐私设为某个阈值时该问题的效用上限,并构建了一个可以达到该上限的显式隐私方案。
Oct, 2015
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
本研究研究了本地差分隐私和效用之间的基本权衡,介绍了一种组合极端私有化机制族,即楼梯机制,并通过展示它包含广泛信息理论实用程序的最优私有化机制来证明其有效性。同时,我们证明了二进制和随机响应机制在低、高隐私区间是普遍最优的,能够很好地近似中间区间。
Jul, 2014
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