(中国人民大学信息学院 北京 100872) (leixiawang@ruc.edu.cn)
出版日期: 2022-01-01基金资助:国家自然科学基金项目(61941121,91846204,62172423)ESA: A Novel Privacy Preserving Framework
Wang Leixia Meng Xiaofeng(School of Information, Renmin University of China, Beijing 100872)
Online: 2022-01-01Supported by:This work was supported by the National Natural Science Foundation of China (61941121, 91846204, 62172423).摘要/Abstract
摘要： 随着大数据驱动下智能技术的快速发展，大规模数据收集场景成为数据治理和隐私保护的主战场，本地化差分隐私技术作为该场景下的主流技术，被谷歌、苹果、微软等企业广泛使用.然而，该技术在用户本地对数据进行扰动，引入较多噪声，数据可用性较差.为实现可用性与隐私性兼顾的隐私保护方法，ESA(encode-shuffle-analyze)框架被提出，它在混洗器(shuffler)的作用下尽可能对数据进行较小扰动，同时保护用户隐私，使得任一用户的隐私信息都不能被数据分析者从收集数据中唯一识别.鉴于差分隐私在数学上优雅且严格的隐私定义，该框架目前主要基于差分隐私技术进行实现，该种实现称为混洗差分隐私(shuffle differential privacy, SDP).在保证相同隐私损失ε的情况下，混洗差分隐私比本地化差分隐私的可用性高O(n\+{1/2})倍，接近中心化差分隐私而不依赖于可信第三方.为对该新型的隐私保护框架进行综述，首先对该框架进行分析；之后基于主流的混洗差分隐私技术，对相关理论基础与技术基础进行总结，对不同统计问题下的隐私保护机制进行理论与实验对比；最终提出ESA框架的挑战问题，并对该框架下非差分隐私方法的实现进行展望.
参考文献
相关文章 15
| [1] | 孙学良, 黄安欣, 罗夏朴, 谢怡. 针对Tor的网页指纹识别研究综述[J]. 计算机研究与发展, 2021, 58(8): 1773-1788. |
| [2] | 杨尧林, 和红杰, 陈帆, 原长琦. 基于预测误差自适应编码的图像加密可逆数据隐藏[J]. 计算机研究与发展, 2021, 58(6): 1340-1350. |
| [3] | 李明慧, 江沛佩, 王骞, 沈超, 李琦. 针对深度学习模型的对抗性攻击与防御[J]. 计算机研究与发展, 2021, 58(5): 909-926. |
| [4] | 李腾, 乔伟, 张嘉伟, 高怿旸, 王申奥, 沈玉龙, 马建峰. 隐私保护的基于图卷积神经网络的攻击溯源方法[J]. 计算机研究与发展, 2021, 58(5): 1006-1020. |
| [5] | 周纯毅, 陈大卫, 王尚, 付安民, 高艳松. 分布式深度学习隐私与安全攻击研究进展与挑战[J]. 计算机研究与发展, 2021, 58(5): 927-943. |
| [6] | 孟小峰, 刘立新. 基于区块链的数据透明化：问题与挑战[J]. 计算机研究与发展, 2021, 58(2): 237-252. |
| [7] | 王晨旭, 程加成, 桑新欣, 李国栋, 管晓宏. 区块链数据隐私保护：研究现状与展望[J]. 计算机研究与发展, 2021, 58(10): 2099-2119. |
| [8] | 郭娟娟, 王琼霄, 许新, 王天雨, 林璟锵. 安全多方计算及其在机器学习中的应用[J]. 计算机研究与发展, 2021, 58(10): 2163-2186. |
| [9] | 侯琬钰, 孙钰, 李大伟, 崔剑, 关振宇, 刘建伟. 基于PUF的5G车联网V2V匿名认证与密钥协商协议[J]. 计算机研究与发展, 2021, 58(10): 2265-2277. |
| [10] | 王会勇, 唐士杰, 丁勇, 王玉珏, 李佳慧. 生物特征识别模板保护综述[J]. 计算机研究与发展, 2020, 57(5): 1003-1021. |
| [11] | 黄克振, 连一峰, 冯登国, 张海霞, 刘玉岭, 马向亮. 基于区块链的网络安全威胁情报共享模型[J]. 计算机研究与发展, 2020, 57(4): 836-846. |
| [12] | 王斌, 张磊, 张国印. 敏感渐进不可区分的位置隐私保护[J]. 计算机研究与发展, 2020, 57(3): 616-630. |
| [13] | 刘俊旭, 孟小峰. 机器学习的隐私保护研究综述[J]. 计算机研究与发展, 2020, 57(2): 346-362. |
| [14] | 黄海平, 张东军, 王凯, 朱毅凯, 王汝传. 带权值的大规模社交网络数据隐私保护方法[J]. 计算机研究与发展, 2020, 57(2): 363-377. |
| [15] | 芦效峰, 廖钰盈, Pietro Lio, Pan Hui. 一种面向边缘计算的高效异步联邦学习机制[J]. 计算机研究与发展, 2020, 57(12): 2571-2582. |
PDF全文下载地址:
https://crad.ict.ac.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=4564
