本地化差分隐私研究综述

被引：77

作者：

叶青青 ^{[1
]}

孟小峰 ^{[1
]}

朱敏杰 ^{[1
]}

霍峥 ^{[2
]}

机构：

[1] 中国人民大学信息学院

[2] 不详

来源：

软件学报 | 2018年 / 29卷 / 07期

基金：

国家重点研发计划;

关键词：

隐私保护; 本地化差分隐私; 中心化差分隐私;

D O I：

10.13328/j.cnki.jos.005364

中图分类号：

TP309 [安全保密];

学科分类号：

081201 ; 0839 ; 1402 ;

摘要：

大数据时代信息技术不断发展,个人信息的隐私问题越来越受到关注,如何在数据发布和分析的同时保证其中的个人敏感信息不被泄露是当前面临的重大挑战.中心化差分隐私保护技术建立在可信第三方数据收集者的假设基础上,然而该假设在现实中不一定成立.基于此提出的本地化差分隐私作为一种新的隐私保护模型,具有强隐私保护性,不仅可以抵御具有任意背景知识的攻击者,而且能够防止来自不可信第三方的隐私攻击,对敏感信息提供了更全面的保护.介绍了本地化差分隐私的原理与特性,总结和归纳了该技术的当前研究工作,重点阐述了该技术的研究热点:本地化差分隐私下的频数统计、均值统计以及满足本地化差分隐私的扰动机制设计.在对已有技术深入对比分析的基础上,指出了本地化差分隐私保护技术的未来研究挑战.

引用

页码：1981 / 2005

页数：25

共 14 条

[1] 云计算中图像数据处理的隐私保护 [J].

任奎 .

网络与信息安全学报, 2016, 2 (01) :12-17

[2] 大数据隐私管理 [J].

孟小峰 ;

张啸剑 .

计算机研究与发展, 2015, 52 (02) :265-281

[3] 面向数据发布和分析的差分隐私保护 [J].

张啸剑 ;

孟小峰 .

计算机学报, 2014, 37 (04) :927-949

[4] Private Analysis of Graph Structure [J].

Karwa, Vishesh ;

Raskhodnikova, Sofya ;

Smith, Adam ;

Yaroslavtsev, Grigory .

ACM TRANSACTIONS ON DATABASE SYSTEMS, 2014, 39 (03)

[5]

Differentially private histogram publication[J] . Jia Xu,Zhenjie Zhang,Xiaokui Xiao,Yin Yang,Ge Yu,Marianne Winslett.The VLDB Journal . 2013 (6)

[6] A Learning Theory Approach to Noninteractive Database Privacy [J].

Blum, Avrim ;

Ligett, Katrina ;

Roth, Aaron .

JOURNAL OF THE ACM, 2013, 60 (02)

[7]

Maximum Likelihood from Incomplete Data via the EM Algorithm[J] . A. P. Dempster,N. M. Laird,D. B. Rubin.Journal of the Royal Statistical Society. Series . 1977 (1)

[8] SPACE/TIME TRADE/OFFS IN HASH CODING WITH ALLOWABLE ERRORS [J].

BLOOM, BH .

COMMUNICATIONS OF THE ACM, 1970, 13 (07) :422-&

[9]

Differentially private data cubes:optimizing noise sources and consistency. Ding B,Winslett M,Han J, et al. ACM SIGCOMM . 2011

[10]

Crowdsourcing: How the Power of the Crowd is Driving the Futureof Business. Howe, J. Random House . 2008

← 1 2 →