[论文解读] Local Differential Privacy and Its Applications: A Comprehensive Survey

Mengmeng Yang, Lingjuan Lyu+3 more|arXiv (Cornell University)|Aug 9, 2020

Privacy-Preserving Technologies in Data参考文献 138被引用 65

一句话总结

本论文综述本地差分隐私（LDP）技术及应用，涵盖频率估计、重大/高频项识别和集合化数据，并比较主要扰动机制及设计权衡。

ABSTRACT

With the fast development of Information Technology, a tremendous amount of data have been generated and collected for research and analysis purposes. As an increasing number of users are growing concerned about their personal information, privacy preservation has become an urgent problem to be solved and has attracted significant attention. Local differential privacy (LDP), as a strong privacy tool, has been widely deployed in the real world in recent years. It breaks the shackles of the trusted third party, and allows users to perturb their data locally, thus providing much stronger privacy protection. This survey provides a comprehensive and structured overview of the local differential privacy technology. We summarise and analyze state-of-the-art research in LDP and compare a range of methods in the context of answering a variety of queries and training different machine learning models. We discuss the practical deployment of local differential privacy and explore its application in various domains. Furthermore, we point out several research gaps, and discuss promising future research directions.

研究动机与目标

• 调查本地差分隐私（LDP）技术的全貌及其在现实世界数据收集中的适用性。
• 分析并比较用于LDP下频率估计的扰动机制（例如 GRR、OUE、RAPPOR、OLH、JLRR、HRR）。
• 评估在LDP下的高频项识别方法，并讨论效率、通信和准确性之间的权衡。
• 讨论在LDP下的集合数据收集及异构集合规模带来的挑战。
• 总结不同隐私预算情景下选择LDP技术的未解挑战和实际指导。

提出的方法

• 描述将用户数据转换为紧凑表示以在降低通信量的同时尽量保持隐私的变换方法。
• 给出子集选择和分区/树结构方法，以在LDP下高效地识别高频项。
• 总结集合数据收集的协议变体，包括修剪/填充以及域大小处理。
• 在方差、通信和域大小方面对典型的高频项和频率估计协议（GRR、OUE、RAPPOR、OLH、JLRR、HRR）进行比较。
• 讨论算法层面的考虑，如偏差、方差，以及隐私预算 ε 对统计准确性的影响。

实验结果

研究问题

• RQ1 用于频率估计的主要 LDP 机制是什么，它们在方差和通信成本方面的比较如何？
• RQ2 在 LDP 下如何高效地识别高频项，以及分区基、树基和朴素方法的权衡？
• RQ3 在 LDP 下集合数据收集如何运作，以及异构集合规模带来的挑战？
• RQ4 在低/中/高隐私预算下选择 LDP 技术的实际考虑因素和指南？
• RQ5 在平衡隐私、准确性和效率方面，LDP 应用还存在哪些未解挑战？

主要发现

• 在 LDP 下的频率估计依赖若干核心扰动方法（GRR、OUE、RAPPOR、OLH、JLRR、HRR），具有各自不同的方差和通信特性。
• 在 LDP 下高频项识别可以通过朴素、分区基和树基方法来实现，每种方法在效率、准确性和通信方面存在特定的权衡。
• 分区基和树基方法在高维数据上提高了效率，但在域规模增大或隐私预算较小时会引入准确性和通信方面的挑战。
• 在 LDP 下集合数据收集面临集合大小的异质性；方法包括修剪/填充并使用填充以实现频率估计和项集挖掘。
• 转换和子集选择可以降低通信成本，但可能增加统计方差或需要更复杂的协调。
• 总体而言，频率估计是 LDP 下最成熟的领域，在高维数据以及在隐私、准确性和通信约束之间平衡方面仍存在挑战。