差分隐私保护及其应用

被引:170
作者
熊平 [1 ,2 ]
朱天清 [2 ,3 ]
王晓峰 [4 ]
机构
[1] 中南财经政法大学信息与安全工程学院
[2] 澳大利亚迪肯大学信息技术学院
[3] 武汉轻工大学数学与计算机学院
[4] 中国科学院计算技术研究所无线传感网络实验室
关键词
差分隐私; 数据发布; 数据挖掘; 机器学习; 统计查询; 隐私保护;
D O I
暂无
中图分类号
TP309 [安全保密];
学科分类号
081201 ; 0839 ; 1402 ;
摘要
数据发布与数据挖掘中的隐私保护问题是目前信息安全领域的一个研究热点.作为一种严格的和可证明的隐私定义,差分隐私近年来受到了极大关注并被广泛研究.文中分析了差分隐私保护模型相对于传统安全模型的优势,对差分隐私基础理论及其在数据发布与数据挖掘中的应用研究进行综述.在数据发布方面,介绍了各种交互式和非交互式的差分隐私保护发布方法,并着重从精确度和样本复杂度的角度对这些方法进行了比较.在数据挖掘方面,阐述了差分隐私保护数据挖掘算法在接口模式和完全访问模式下的实现方式,并对这些算法的执行性能进行了分析.最后,介绍了差分隐私保护在其它领域的应用,并展望未来的研究方向.
引用
收藏
页码:101 / 122
页数:22
相关论文
共 13 条
[1]   Can the Utility of Anonymized Data be Used for Privacy Breaches? [J].
Wong, Raymond Chi-Wing ;
Fu, Ada Wai-Chee ;
Wang, Ke ;
Yu, Philip S. ;
Pei, Jian .
ACM TRANSACTIONS ON KNOWLEDGE DISCOVERY FROM DATA, 2011, 5 (03)
[2]   A Firm Foundation for Private Data Analysis [J].
Dwork, Cynthia .
COMMUNICATIONS OF THE ACM, 2011, 54 (01) :86-95
[3]  
Privacy integrated queries[J] . Frank McSherry.Communications of the ACM . 2010 (9)
[4]  
L -diversity[J] . Ashwin Machanavajjhala,Daniel Kifer,Johannes Gehrke,Muthuramakrishnan Venkitasubramaniam.ACM Transactions on Knowledge Discovery from Data (TKDD) . 2007 (1)
[5]  
Markov bases of three-way tables are arbitrarily complicated[J] . Jesús A. De Loera,Shmuel Onn.Journal of Symbolic Computation . 2005 (2)
[6]  
Toward Efficient Agnostic Learning[J] . Michael J. Kearns,Robert E. Schapire,Linda M. Sellie.Machine Learning . 1994 (2)
[7]  
Discovering frequent patterns in sensitive data. Bhaskar R,Laxman S,Smith A,Thakurta A. Proceedings of the 16th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining . 2010
[8]  
Foundations of Statistical Inference. Dobra A,Fienberg S. Physica-Verlag HD . 2003
[9]  
Differential privacy for neighborhood-based collaborative filtering. Zhu T,Li G,Ren Y, et al. Proceedings of the 2013 IEEE/ACM International Conference on Advances in SocialNetworks Analysis and Mining (ASONAM) . 2013
[10]  
Differential privacy and robust statistics. Dwork C,Lei J. Proc of the 41st Annual ACM Symp on Theory of Computing (STOC09) . 2009