Основы дифференциальной конфиденциальности
- Рейтинг дифференциальной конфиденциальности(arXiv)
Автор:Широнг Сюй, Уилл Вэй Сун, Гуан Чэн
Аннотация .Рейтинги широко собираются в различных сценариях реальной жизни, что приводит к утечке личной информации, такой как предпочтения пользователей в видео или новостях. Чтобы защитить ранжирование, существующие работы в основном разрабатывают защиту конфиденциальности для одного ранжирования в наборе ранжирования или попарных сравнений ранжирования в соответствии с ε-дифференциальной конфиденциальностью. В этой статье предлагается новое понятие, называемое ε-ранжированием дифференциальной конфиденциальности для защиты рангов. Мы устанавливаем связь между моделью Маллоуза (Mallows, 1957) и предлагаемой ε-ранговой дифференциальной конфиденциальностью. Это позволяет нам разработать многоэтапный алгоритм ранжирования для создания синтетических ранжирований, удовлетворяя при этом разработанному дифференцированному ε-ранжированию конфиденциальности. Установлены теоретические результаты, касающиеся полезности синтетического ранжирования в последующих задачах, включая атаку на вывод и задачи персонализированного ранжирования. Для атаки на вывод мы количественно определяем, как ε влияет на оценку истинного ранжирования на основе синтетического ранжирования. Для задачи персонализированного ранжирования мы учитываем различные предпочтения пользователей в отношении конфиденциальности и количественно определяем, как их предпочтения в отношении конфиденциальности влияют на согласованность при оценке оптимальной функции ранжирования. Проводятся обширные численные эксперименты для проверки теоретических результатов и демонстрации эффективности предложенного алгоритма синтетического ранжирования.
2.Локальная дифференциальная конфиденциальность для последовательного принятия решений в меняющейся среде(arXiv)
Автор :Pratik Gajane
Аннотация: мы изучаем проблему сохранения конфиденциальности, при этом обеспечивая высокую полезность в последовательных сценариях принятия решений в изменяющейся среде. Мы рассматриваем скачкообразно изменяющуюся среду: среда остается постоянной в течение периодов и меняется в неизвестные моменты времени. Для постановки этой задачи предлагается вариант многоруких бандитов, названный нестационарными стохастическими коррумпированными бандитами. Мы создаем алгоритм под названием SW-KLUCB-CF и доказываем верхнюю границу его полезности, используя меру производительности сожаления. Доказанная верхняя граница сожаления для SW-KLUCB-CF близка к оптимальной по количеству временных шагов и соответствует наилучшей известной границе для аналогичных задач с точки зрения количества временных шагов и количества изменений. Более того, мы представляем доказуемо оптимальный механизм, который может гарантировать желаемый уровень локальной дифференциальной конфиденциальности, обеспечивая при этом высокую полезность.
