差分隐私研究进展综述
在过去的十年里,普遍的数据收集已经成为常态.随着大规模数据分析和机器学习的快速发展,数据隐私正面临着根本性的挑战.探索隐私保护和数据收集与分析之间的权衡是一个关键的科学问题.差分隐私已经成为实际上的数据隐私标准并得到了广泛的研究与应用,该技术可通过一定的随机化机制为用户数据提供严格的隐私保护.文中给出了差分隐私技术的全面概述,总结并分析了差分隐私的最新进展.具体来说,首先给出了差分隐私的理论总结,包括中心化模型、本地化模型和近年提出的洗牌模型,并对它们作了详细比较,分析了不同模型的优势和缺点.接着,在3个模型的基础上,从算法的角度介绍并分析了文献中一些典型的差分隐私机制,然后介绍了当前差分隐私技术在多个领域的应用.最后介绍了 一些关于差分隐私的新研究课题,它们为差分隐私技术拓展了丰富的研究方向.
差分隐私、隐私保护、统计查询、洗牌模型、随机化机制、误差界
50
TP309.2(计算技术、计算机技术)
国家自然科学基金;国家重点基础研究发展计划(973计划)
2023-04-17(万方平台首次上网日期,不代表论文的发表时间)
共12页
265-276