交互式框架中多次查询的差分隐私算法
欧阳恒1
龙士工2
弓晓锋3
1.贵州大学计算机科学与技术学院 贵阳 5500252.贵州大学计算机科学与技术学院 贵阳 550025;贵州大学公共大数据国家重点实验室 贵阳 5500253.贵州省科技信息中心 贵阳 550025
摘要：在差分隐私交互式框架中,数据集通常需要回答多个查询,随着隐私预算逐渐被消耗,增加了隐私泄露的风险.所以,节约和跟踪隐私预算的消耗情况至关重要,该消耗不应超过隐私预算给定的限额.针对以上问题,论文设计了多次查询的差分隐私保护机制(Multi-Query-Differential Privacy Mechanism,MQDPM),采用重用噪声的思想.相同类型的查询可以重用噪声,节约隐私预算的开销,提高数据集可支持的查询数量;其次,由于差分隐私的可用性和安全性的矛盾关系,MQDPM采用可用性更好的分析高斯机制(AGM)作为噪声扰动机制,并使用Newton下山法代替二分法迭代,降低了AGM迭代的时间复杂度.最后,利用区块链记录隐私预算,方便跟踪隐私预算的使用情况,并保证不超过给定的限额.在公开的IPUMS数据集上实验表明,论文提出的MQDPM与现有算法相比,在降低查询响应时间的同时,相同隐私预算限额下,有效地节省了隐私预算开销,并且数据可用性更高.
关键词：差分隐私交互式框架高斯机制隐私预算区块链
分类号：TP309(计算技术、计算机技术)
资助基金：国家自然科学基金(62062020)
论文发表日期：2024-08-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 2259-2265,2322 )
英文信息