效用优化的本地差分隐私联合分布估计机制

作者：尹诗玉; 朱友文^*; 张跃

来源：计算机科学, 2023, 50(10): 315-326.

• 本地差分隐私
• 效用优化
• 联合分布
• 频率估计
• 敏感度差异

相对于传统的中心化差分隐私，本地差分隐私(Local Differential Privacy, LDP)具有不依赖可信第三方等优势，但也存在数据效用较低的问题。效用优化本地差分隐私模型ULDP(Utility-Optimized Local Differential Privacy)利用不同输入的敏感度差异，可以提升估计结果的准确度。二维数据联合分布计算可广泛应用于众多数据分析场景，然而，如何在ULDP模型下实现二维数据联合分布估计，仍然是尚未解决的重要问题。针对这一问题，首先给出了二维ULDP模型的定义，兼顾了两个属性分别敏感与否的4种情况；其次，在该模型下，针对联合分布估计问题，提出了JuRR(Joint Utility-Optimized Randomized Response)与CPRR(Cartesian Product Randomized Response) 2种机制，并理论证明了估计结果的无偏性；最后，在真实数据集上进行对比实验，讨论了不同参数对估计误差的影响。实验结果表明，所提2种机制具有更高的数据效用。

• 单位
  南京航空航天大学