[论文解读] Optimizing Locally Differentially Private Protocols

Tianhao Wang, Jeremiah Blocki+2 more|arXiv (Cornell University)|May 12, 2017

Privacy-Preserving Technologies in Data参考文献 11被引用 7

一句话总结

本文提出了一种统一框架，用于优化局部差分隐私（LDP）协议，实现精确分析与参数调优，从而提升实用性。该框架提出了两种新型协议——优化的统一编码（OUE）与优化的本地哈希（OLH），显著降低了估计方差，其中OLH在保持低通信开销的同时，将方差降低至先前方法的1/14。

ABSTRACT

Protocols satisfying Local Differential Privacy (LDP) enable parties to collect aggregate information about a population while protecting each user's privacy, without relying on a trusted third party. LDP protocols (such as Google's RAPPOR) have been deployed in real-world scenarios. In these protocols, a user encodes his private information and perturbs the encoded value locally before sending it to an aggregator, who combines values that users contribute to infer statistics about the population. In this paper, we introduce a framework that generalizes several LDP protocols proposed in the literature. Our framework yields a simple and fast aggregation algorithm, whose accuracy can be precisely analyzed. Our in-depth analysis enables us to choose optimal parameters, resulting in two new protocols (i.e., Optimized Unary Encoding and Optimized Local Hashing) that provide better utility than protocols previously proposed. We present precise conditions for when each proposed protocol should be used, and perform experiments that demonstrate the advantage of our proposed protocols.

研究动机与目标

• 开发一个通用框架，用于分析和优化纯LDP协议在频率估计中的应用。
• 通过优化随机化参数，提升现有LDP协议的实用性，尤其针对统一编码与本地哈希方法。
• 在保持强隐私保障的前提下，降低估计方差与通信开销。
• 基于隐私预算（ε）与域大小（d），提供明确指导，说明何时应使用OUE而非OLH。
• 通过在合成数据集与真实数据集上的实证结果，推动LDP在真实系统中的实用化部署。

提出的方法

• 提出一种通用的聚合与解码技术，可对所有纯LDP协议产生无偏估计，并具备可分析的方差。
• 提出基于对称随机化的纯LDP协议正式框架，支持系统性比较与优化。
• 通过在给定ε预算下最小化方差，优化统一编码中的随机化参数，从而导出OUE。
• 将随机矩阵投影协议重新解释为二元本地哈希，并优化其参数以构建OLH。
• 推导出不同协议下估计方差的闭式表达式，实现精确比较。
• 采用对称随机化机制，确保所有输入值在隐私与准确性方面保持一致。

实验结果

研究问题

• RQ1 如何通过统一框架系统性地分析与比较不同LDP协议的准确性？
• RQ2 在局部差分隐私下，统一编码的最优随机化参数是什么，以最小化估计方差？
• RQ3 本地哈希能否被泛化并优化，以实现优于现有方法的准确性与更低的通信开销？
• RQ4 在何种条件下，OLH在方差与实用性方面优于RAPPOR与BLH？
• RQ5 隐私预算（ε）与域大小（d）如何影响OUE与OLH之间的选择，以实现最优实用性？

主要发现

• 优化的本地哈希（OLH）协议在ε ≈ 4时，相比RAPPOR将估计方差降低2倍，相比随机矩阵投影（BLH）降低14倍。
• OLH在保持与OUE相同误差方差的同时，显著降低了通信开销，使其在大规模域中更具可扩展性。
• 通过OUE优化基础RAPPOR的参数，可显著提升其相对于原始协议的实用性。
• OLH在保持低通信开销（Θ(log n)）的同时实现了最先进水平的准确性，使其非常适合大规模部署。
• 该框架支持精确的方差分析，并基于ε与d提供了清晰的协议选择指导。
• 在合成数据集与真实世界数据集上的实验结果表明，OLH在频率估计中产生的假阳性更少、真阳性更多，优于先前方法。