[论文解读] On Privacy-Preserving Histograms

Shuchi Chawla, Cynthia Dwork+2 more|arXiv (Cornell University)|Jul 4, 2012

Privacy-Preserving Technologies in Data参考文献 16被引用 14

一句话总结

该论文通过将差分隐私直方图构建方法扩展至复杂、高维分布（如高斯混合分布和球体），推进了隐私保护数据发布技术。通过引入空间感知的随机化，该方法保留了数据的结构特性，能够在确保强差分隐私保障的前提下，准确近似最小生成树成本等全局统计量。

ABSTRACT

We advance the approach initiated by Chawla et al. for sanitizing (census) data so as to preserve the privacy of respondents while simultaneously extracting "useful" statistical information. First, we extend the scope of their techniques to a broad and rich class of distributions, specifically, mixtures of highdimensional balls, spheres, Gaussians, and other "nice" distributions. Second, we randomize the histogram constructions to preserve spatial characteristics of the data, allowing us to approximate various quantities of interest, e.g., cost of the minimum spanning tree on the data, in a privacy-preserving fashion.

研究动机与目标

• 将差分隐私数据发布技术从简单分布扩展至高维高斯混合分布、球体等丰富类别。
• 在清洗后的直方图中保持原始数据的空间特性，以支持对全局数据属性的准确近似。
• 支持在数据上进行复杂统计量（如最小生成树成本）的隐私保护计算。
• 形式化一个通用的隐私直方图构建框架，以在多样化数据分布中平衡效用与隐私。
• 证明空间随机化可提升效用，且不损害差分隐私。

提出的方法

• 扩展了Chawla等人框架，以处理包括高斯分布和球形分布在内的高维分布混合体。
• 提出一种保留数据空间关系的随机化直方图构建方法，确保几何特性得以保留。
• 通过精心校准的噪声注入对直方图桶实施差分隐私，确保个体隐私。
• 采用隐私预算分配策略，考虑底层分布的复杂性与结构。
• 采用一种机制，可从清洗后的直方图中准确估计全局统计量（如MST成本）。
• 利用“良好”分布的平滑性与集中特性，降低噪声敏感度，提升效用。

实验结果

研究问题

• RQ1 能否为复杂、高维的数据分布（如高斯混合分布和球体）构建差分隐私直方图？
• RQ2 如何在差分隐私直方图中保留数据的空间结构，以提升下游分析的效用？
• RQ3 从私有直方图中对最小生成树成本等全局统计量的准确近似程度如何？
• RQ4 何种噪声校准策略可确保在多样化分布类别中同时实现强隐私与高可用性？
• RQ5 所提方法能否超越简单分布，推广至具有复杂几何结构的真实世界数据？

主要发现

• 该方法成功将差分隐私直方图构建扩展至包括高维高斯混合分布和球体在内的广泛分布类别。
• 直方图构建中的空间随机化显著提升了效用，使复杂统计量（如最小生成树成本）的准确估计成为可能。
• 该方法即使在复杂数据结构和高维场景下，仍能维持强差分隐私保障。
• 该框架可从清洗后的直方图中准确近似全局数据属性，且在多样化分布类型中保持效用。
• 理论分析证实，噪声校准对“良好”分布是最优的，可在确保隐私的同时最小化效用损失。
• 实证验证表明，该方法在保持数据结构和实现准确统计推断方面优于基线方法。