交互式框架中多次查询的差分隐私算法

作     者：欧阳恒 龙士工 弓晓锋 OUYANG Heng;LONG Shigong;GONG Xiaofeng

作者机构：贵州大学计算机科学与技术学院贵阳550025 贵州大学公共大数据国家重点实验室贵阳550025 贵州省科技信息中心贵阳550025 

基　　金：国家自然科学基金项目“面向高维数据的差分隐私保护方法及其博弈模型研究”(编号:62062020) 贵州省科技厅自然科学项目“SM3国产密码算法在微服务JWT用户认证体系中的研究与应用”(编号:黔科合基础1425号)资助 

出 版 物：《计算机与数字工程》 (Computer & Digital Engineering)

年 卷 期：2024年第52卷第8期

页      码：2259-2265,2322页

摘      要：在差分隐私交互式框架中,数据集通常需要回答多个查询,随着隐私预算逐渐被消耗,增加了隐私泄露的风险。所以,节约和跟踪隐私预算的消耗情况至关重要,该消耗不应超过隐私预算给定的限额。针对以上问题,论文设计了多次查询的差分隐私保护机制(Multi-Query-Differential Privacy Mechanism,MQDPM),采用重用噪声的思想。相同类型的查询可以重用噪声,节约隐私预算的开销,提高数据集可支持的查询数量;其次,由于差分隐私的可用性和安全性的矛盾关系,MQDPM采用可用性更好的分析高斯机制(AGM)作为噪声扰动机制,并使用Newton下山法代替二分法迭代,降低了AGM迭代的时间复杂度。最后,利用区块链记录隐私预算,方便跟踪隐私预算的使用情况,并保证不超过给定的限额。在公开的IPUMS数据集上实验表明,论文提出的MQDPM与现有算法相比,在降低查询响应时间的同时,相同隐私预算限额下,有效地节省了隐私预算开销,并且数据可用性更高。

主 题 词：差分隐私 交互式框架 高斯机制 隐私预算 区块链 

学科分类：0839[0839] 08[工学] 081201[081201] 0812[工学-测绘类] 

D　O　I：10.3969/j.issn.1672-9722.2024.08.003

馆 藏 号：203145229...