差分プライバシーにおける相関データ:定義と解析【JST・京大機械翻訳】

Zhang Tao; Zhu Tianqing; Liu Renping; Zhou Wanlei

プレプリント

J-GLOBAL ID：202202208047412867 整理番号：21P0042259

差分プライバシーにおける相関データ:定義と解析【JST・京大機械翻訳】

Correlated Data in Differential Privacy: Definition and Analysis

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2020年08月01日プレプリントサーバーでの情報更新日： 2021年01月09日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

微分プライバシーは,データプライバシーを評価し保護するための厳密な数学的フレームワークである。ほとんどの既存の研究において,微分プライバシーが適用されるとき,データセットにおける記録が独立である脆弱な仮定がある。しかし,実世界データセットでは,記録は相関する可能性があり,それは予想外のデータ漏洩につながる可能性がある。この調査では,プライバシー損失の問題を,微分プライバシーモデルの下でデータ相関により調査した。具体的には,既存の文献を3つの系統に分類した。1)差分プライバシーにおけるデータ相関を記述するパラメータを用いて,2)差分プライバシーにおけるデータ相関を記述するモデルを使用し,3)Pufferfishのフレームワークに基づくデータ相関を記述する。最初に,詳細な用例を与えて,実際の場面における相関データに関するプライバシー漏洩の問題点を例示した。次に,これらの方法を解析し,比較し,これらの多様な研究が適用される状況を評価した。最後に,相関微分プライバシーに関するいくつかの将来の課題を提案した。【JST・京大機械翻訳】

,
, , , 【Automatic Indexing@JST】

データ保護

, , ,

前のページに戻る