优化结构下的差分隐私直方图发布

摘要：

差分隐私作为一种新的保护技术能够抵抗假设攻击和背景知识攻击.为了满足差分隐私的要求,需要对直方图的多个桶进行重新分组并合并,然后对新的桶增加拉普拉斯噪音.如果分组过于粗糙,就需要增加过多的噪音,影响到直方图发布信息的可用性,同时还会暴露有关直方图的敏感信息.采用迭代的动态规划方法提出一种优化的直方图结构划分算法,使重新划分的直方图具有最小的结构误差.上述算法支持长查询,具有较小的敏感度,只需要较小范围的噪音就能达到差分隐私的保护要求.优化的结构优先算法以及Boost算法在真实数据集上的对比实验结果表明,其发布精度优于同类算法.

关键词：差分隐私、结构误差、数据隐私保护、直方图发布

所属期刊栏目：36

分类号：TP301.6(计算技术、计算机技术)

资助基金：贵州省公共大数据重点实验室项目2017001

在线出版日期：2019-05-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：220-224