ICMLFeb, 2021

利用公共数据实现实用的私有查询发布

PDF
TL;DR本文提出了一种名为 PMW^Pub 的新模型，利用不同分布的公共数据作为先验信息，从而提高数据隐私性查询的准确性和性能。该模型的实验结果表明，它能够在保持数据安全性的同时，在高维数据领域中实现有效的统计查询。
differential privacyprior knowledgepublic datasetsquery releasepmw^pub
发现论文，激发创造
  • 管理您的私人和公共数据：降低推断攻击对您隐私的威胁

    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

  • 通过自适应投影实现差分隐私查询发布

    提出了一种新的算法，用于发布对包括 k 路边际在内的非常大量的统计查询回答，该算法采用连续松弛的投影机制，使其在隐私数据集上回答查询并尝试找到最接近噪声回答的合成数据集，并通过不断适应地发现在其（松弛的）合成数据上具有高误差的查询，以达到节省隐私预算的目的，通过使用 ML 优化技术和工具，该方法在许多情况下优于现有算法。

    Mar, 2021

  • 具有私有预测的私有算法

    以预测为基础的差分隐私方法是一种强大的方法，它可以利用外部信息来提高效用和添加噪声偏差稳健性。我们提出了四种重要任务的预测依赖的差分隐私方法，并对其进行了各项分析，包括对数据的最小假设，对噪声预测的自然稳健性增强和学习他人（可能是敏感的）数据的元算法。

    Oct, 2022

  • 双重查询：针对高维数据的实用私有查询发布

    提出了一种实用的差分隐私算法，可以回答高维数据集上的大量查询，并将计算困难的步骤封装为一个简洁定义的整数规划问题，以实现高效的回答。通过在 Netflix 数据集上的实验，证明了该算法的精度和隐私性定理，并提出了比现有技术显著改进的方案。

    Feb, 2014

  • 一种简单实用的差分隐私数据发布算法

    该研究通过组合多项式权重方法和指数机制，实现不同隐私等级和计数查询下的差分隐私数据发布，并在实际数据集上进行了实证研究，结果表明该方法在误差和运行时间方面都优于以往的方法。

    Dec, 2010

  • 基因组关联研究的隐私保护数据共享

    本文探讨了传统的统计方法在处理 GWAS 数据库的机密性保护方面不足，介绍了密码学界最近提出的差分隐私概念，并基于差分隐私的新方法来发布聚合 GWAS 数据，并提出了一个隐私保护的方法来发现全基因组关联，其中涉及极小等位基因频率、卡方值和 p 值等指标。

    May, 2012

  • 局部差分隐私下的边际发布

    本文提供一组算法，用于在局部差分隐私模型下实现边际统计量的实现，并对其进行理论和实证研究。结果表明，基于 Fourier 变换的信息发布方法优于直接发布边际统计量的方法。

    Nov, 2017

  • 联合选择：自适应地整合公共信息与私密合成数据

    jam-pgm 是一种扩展的自适应测量框架，能够在选择公共数据和私有数据之间进行联合，并将公共数据纳入基于图模型的机制，从而在公共数据分布存在偏差时，能够胜过公共辅助和非公共辅助的合成数据生成机制。

    Mar, 2024

  • 以公平性角度视差分隐私的决策制定

    本文研究了不同 ially private 数据集的发布，并从公平的角度分析它们对一些关键的资源分配任务的影响。 结果发现，当决策以 differentially private data 作为输入时，为了实现隐私而添加的噪声会对某些群体产生不成比例的影响。该论文分析了这些不成比例影响的原因，并提出了减轻这些影响的指导方针。这些方法基于使用 differentially private census data 的关键决策问题进行了评估。

    May, 2021

  • 基因组关联研究的可扩展隐私保护数据分享方法学

    该研究提出了一种使用差分隐私保护隐私数据的方法来发布 GENOME-WIDE ASSOCIATION STUDY（GWAS）的聚合结果， 评估了这种方法的风险和功用，与先前的不同隐私发布机制进行比较。

    Jan, 2014