[论文解读] Non-Interactive Differential Privacy: a Survey

David Leoni|arXiv (Cornell University)|May 11, 2012

Privacy-Preserving Technologies in Data参考文献 23被引用 12

一句话总结

本综述回顾了用于发布现实世界数据集的非交互式差分隐私技术，同时保持强大的隐私保障。它评估了分区、降维和压缩感知等方法，表明差分隐私可高效应用于稀疏、集合值和通用查询的数据，且在CENSUS和搜索日志等大规模数据中具有可测量的实用性。

ABSTRACT

OpenData movement around the globe is demanding more access to information which lies locked in public or private servers. As recently reported by a McKinsey publication, this data has significant economic value, yet its release has potential to blatantly conflict with people privacy. Recent UK government inquires have shown concern from various parties about publication of anonymized databases, as there is concrete possibility of user identification by means of linkage attacks. Differential privacy stands out as a model that provides strong formal guarantees about the anonymity of the participants in a sanitized database. Only recent results demonstrated its applicability on real-life datasets, though. This paper covers such breakthrough discoveries, by reviewing applications of differential privacy for non-interactive publication of anonymized real-life datasets. Theory, utility and a data-aware comparison are discussed on a variety of principles and concrete applications.

研究动机与目标

• 评估在无交互式查询访问的情况下，非交互式差分隐私在发布真实数据集方面的可行性与实用性。
• 识别并比较能够实现形式化隐私保障的同时保持多样化数据类型数据实用性的技术。
• 评估差分隐私机制在CENSUS、搜索日志和空间数据等真实数据集上的性能。
• 考察在合成数据库与扰动数据库发布中，隐私、实用性与计算效率之间的权衡。
• 鉴于差分隐私具有强大的理论保障和近期的实际适用性，倡导在开放数据计划中采用该技术。

提出的方法

• 采用基于分区的方法对数据进行分组，并对聚合值添加噪声，以确保直方图发布时满足差分隐私。
• 通过随机投影实现降维，以在保持隐私和查询实用性的同时压缩高维数据。
• 采用压缩感知技术，从稀疏数据中以低计算开销重建扰动数据库。
• 使用建模原始数据分布并注入校准噪声以保障隐私的算法发布合成数据库。
• 通过在原始元组中添加噪声来修改数据，以防止重新识别，尤其适用于集合值和布尔型数据。
• 采用查询特定机制，如噪声数据立方体和$kd$-树索引，以优化大规模数据集中计数查询的误差。

实验结果

研究问题

• RQ1 在无交互式查询访问的非交互式环境下，差分隐私能否有效应用于真实世界数据集？
• RQ2 在稀疏、集合值和空间数据等多样化数据类型中，不同差分隐私机制在实用性与效率方面的表现如何比较？
• RQ3 在大规模数据集的非交互式发布中，隐私预算($\epsilon$)与数据实用性之间的权衡如何？
• RQ4 合成或扰动数据库在确保强隐私保障的同时，能在多大程度上保持统计特性？
• RQ5 对于搜索日志发布等实际应用，是否需要采用$(\epsilon,\delta)$-差分隐私等松弛形式？

主要发现

• 差分隐私可成功应用于CENSUS和搜索日志等真实数据集，其中$kd$-树和压缩感知等方法的误差低于以往方法。
• 在CENSUS数据上，$kd$-树方法在准确性和实用性方面优于分层树方法，显著降低了空间和分类查询的误差。
• 压缩感知实现了$\tilde{O}(|D|)$时间复杂度下的高效数据库重建，适用于大规模稀疏数据发布。
• 对于MSNBC和STM数据集等集合值布尔型数据，差分隐私机制实现了良好的实用性，尤其优于基础的噪声数据立方体方法。
• 在搜索日志场景中，Hong等人证明，通过优化噪声注入，即使在严格的隐私约束下，扰动数据库仍可实现高实用性。
• 通过压缩与扰动生成的合成数据库在保障形式化隐私的同时保持了数据实用性，为开放数据发布提供了有前景的路径。