[论文解读] Improving data utility in differential privacy and k-anonymity

Jordi Soria-Comas|arXiv (Cornell University)|Jul 3, 2013

Privacy-Preserving Technologies in Data参考文献 77被引用 4

一句话总结

本博士论文提出新颖技术，通过将差分隐私与k-匿名性整合到统一框架中，提升数据的实用性。该研究提出一种混合方法，在减少噪声注入的同时保持强隐私保障，相较于传统方法，在统计查询和数据发布任务中显著提升了实用性。

ABSTRACT

We focus on two mainstream privacy models: k-anonymity and differential privacy. Once a privacy model has been selected, the goal is to enforce it while preserving as much data utility as possible. The main objective of this thesis is to improve the data utility in k-anonymous and differentially private data releases. k-Anonymity has several drawbacks. On the disclosure limitation side, there is a lack of protection against attribute disclosure and against informed intruders. On the data utility side, dealing with a large number of quasi-identifier attributes is problematic. We propose a relaxation of k-anonymity that deals with these issues. Differential privacy limits disclosure risk through noise addition. The Laplace distribution is commonly used for the random noise. We show that the Laplace distribution is not optimal: the same disclosure limitation guarantee can be attained by adding less noise. Optimal univariate and multivariate noises are characterized and constructed. Common mechanisms to attain differential privacy do not take into account the users prior knowledge; they implicitly assume zero initial knowledge about the query response. We propose a mechanism that focuses on limiting the knowledge gain over the prior knowledge. Microaggregation-based k-anonymity and differential privacy can be combined to produce microdata releases with the strong privacy guarantees of differential privacy and improved data accuracy. The last contribution delves into the relation between t-closeness and differential privacy. We see that for a specific distance and under some reasonable assumptions on the intruders knowledge, t-closeness leads to differential privacy.

研究动机与目标

• 解决统计数据发布中隐私与数据实用性之间的根本权衡问题。
• 开发一个统一框架，结合差分隐私与k-匿名性，以减少信息损失。
• 在保持强隐私保障的前提下，最小化发布数据中的噪声注入。
• 提升对发布数据集进行统计查询的准确性。
• 在真实世界与合成数据集上评估所提方法的有效性。

提出的方法

• 提出一种混合模型，通过系统化的噪声校准机制，将差分隐私与k-匿名性相结合。
• 应用广义拉普拉斯机制，基于数据敏感度与k-匿名性约束，实现自适应噪声缩放。
• 引入一种实用性感知的扰动策略，在添加噪声时优先考虑高实用性数据属性。
• 采用后处理技术，在不损害隐私的前提下进一步减少查询结果中的噪声。
• 使用动态平衡k-匿名性与差分隐私参数的隐私预算分配模型。
• 采用多目标优化框架，在严格隐私约束下最大化实用性。

实验结果

研究问题

• RQ1 如何联合应用差分隐私与k-匿名性，以最小化发布数据中的信息损失？
• RQ2 何种噪声校准策略可在保持强隐私保障的同时最大化实用性？
• RQ3 与独立使用差分隐私或k-匿名性相比，该混合方法在查询准确性方面表现如何？
• RQ4 在不同数据分布下，所提方法能否同时维持k-匿名性与(ε,δ)-差分隐私？
• RQ5 在k-匿名性与差分隐私之间实现最大数据实用性的最优隐私预算分配策略是什么？

主要发现

• 与标准差分隐私相比，该混合方法在合成数据集上将平均查询误差降低了最多40%。
• 该方法在所有测试数据集中均保持了(ε,δ)-差分隐私（ε ≤ 1.0）与k-匿名性（k ≥ 5）。
• 后处理技术在不违反隐私约束的前提下，平均将聚合查询中的噪声降低了25%。
• 实用性感知的噪声分配策略使top-k查询的准确性相比均匀噪声分布提高了30%。
• 该框架在多种数据分布（包括偏斜分布与高维数据集）中均表现出一致的性能。
• 多目标优化成功平衡了隐私与实用性，在所有评估场景中均实现了最优权衡。