×
沈、袁;宋伟;曹杨;刘泽晨;魏哲;彭志勇

数据依赖约束下的不同私有轨迹事件流发布。 （英语） Zbl 07791103号

信息科学。 657，文章ID 119959，18 p.（2024）.
摘要：差异隐私（DP）事实上的隐私保护范式可以广泛应用于许多事件流发布方案中，以保护私有事件（即用户的轨迹点）。然而，大多数现有方案都假设这些事件是独立的，这是一个脆弱的假设，可能导致不可预见的隐私退化。在数据依赖下发布事件流的隐私保护仍然具有挑战性，因为现有的依赖量化模型无法动态测量事件之间的依赖关系程度。本文研究了轨迹事件流发布的隐私退化问题，并提出了（Theta，epsilon）-从属隐私缓解此问题的机制。具体来说，我们介绍空间相关性建立弹道数据中事件之间的依赖关系模型，并对其进行扩展，以量化多个依赖事件对目标事件的影响。我们定义了最大差异形式化轨迹事件流发布中DP机制的隐私级别。提议的概念整体相关系数通过校准所添加的噪声来帮助私有机制提供期望的隐私级别。我们利用依赖于（Theta，epsilon）的隐私机制，在数据依赖约束下，进一步实现了轨迹事件流的（omega）-事件隐私保护。理论分析证明，我们的方案在数据依赖约束下提供了预期的隐私保障。大量实验验证了该方案的有效性。

MSC公司：

68倍 计算机科学
91至XX 博弈论、经济学、金融和其他社会和行为科学

关键词：

差异隐私;数据相关性;隐私降级;事件流发布
PDF格式BibTeX公司 XML格式引用
\textit{Y.Shen}等人，《信息科学》。657，文章ID 119959，18 p.（2024；Zbl 07791103）
全文： 内政部

参考文献：

[1] cs，G。；Castelluccia，C.，案例研究：巴黎时空密度的隐私保护发布，1679-1688年
[2] Bifet，A。；莫拉莱斯，G。；里德·J。；霍姆斯，G。；Pfahringer，B.，大数据流分类器的高效在线评估，59-68
[3] Blum，A。；Ligett，K。；Roth，A.，非交互式数据库隐私的学习理论方法。J.ACM，第2期，第1-25页（2013年）·Zbl 1281.68092号
[4] 曹毅。；吉川，M。；Xiao，Y。；Xiong，L.，量化时间相关性下连续数据发布中的差异隐私。IEEE传输。知识。数据工程，71281-1295（2019）
[5] 曹毅。；Xiao，Y。；熊，L。；Bai，L。；Yoshikawa，M.，在基于位置的连续服务中保护时空事件隐私。IEEE传输。知识。数据工程，8，3141-3154（2021）
[6] Chan，T.-H.Hubert；Shi，E。；Song，D.，私人和持续发布统计数据。ACM事务处理。信息系统。安全。，3, 1-24 (2011)
[7] Chan，T.-H.Hubert；李，M。；Shi，E。；Xu，W.，从分布式流对重击手进行不同的私人持续监控，140-159
[8] 陈，R。；冯，B.C。；余，P.S。；Desai，B.C.，《通过差异隐私进行相关网络数据发布》。VLDB J.，4653-676（2014）
[9] Dwork，C.，差异隐私，1-12·Zbl 1133.68330号
[10] 德沃克，C。；McSherry，F。；尼西姆，K。；Smith，A.D.，私人数据分析中噪声灵敏度校准，265-284·Zbl 1112.94027号
[11] 德沃克，C。；Naor，M。；Pitassi，T。；Rothblum，G.N.，持续观察下的差异隐私，715-724·Zbl 1293.68096号
[12] 范，L。；Xiong，L.，一种具有差异隐私的实时聚合监控的自适应方法。IEEE传输。知识。数据工程，92094-2106（2014）
[13] 范，L。；熊，L。；Sunderam，V.S.，Fast：带过滤和自适应采样的差异专用实时聚合监控器，1065-1068
[14] 何，X。；Machanavajjhala，A。；Ding，B.，Blowfish privacy:使用策略调整隐私-效用权衡，1447-1458
[15] Hochreiter，S。；Jü.Schmidhuber。，长短期记忆。神经计算。，8, 1735-1780 (1997)
[16] Kellaris，G。；帕帕佐普洛斯，S。；Xiao，X。；Papadias，D.，无限流上的不同私有事件序列，1155-1166
[17] Kifer，D。；Machanavajjhala，A.，《193-204年数据隐私无免费午餐》
[18] D.孔。；Hst-lstm，F.Wu。，用于位置预测的分层时空长短期记忆网络2341-2347
[19] 李，H。；熊，L。；蒋，X。；Liu，J.，动态数据集的差异私有直方图发布：自适应抽样方法，1001-1010
[20] 刘，C。；Chakraborty，S。；Mittal，P.，依赖性使您易受攻击：依赖元组下的差异隐私，1-15
[21] Monreale，A。；Pinelli，F。；特拉萨蒂，R。；Giannotti，F.，下一步：轨迹模式挖掘的位置预测，637-646
[22] Phan，N。；王，Y。；吴，X。；Dou，D.，深度自动编码器的差异隐私保护：人类行为预测的应用，1309-1316
[23] Rao，X。；Wang，H。；张，L。；李，J。；尚，S。；Fogs，P.Han，基于学习图的交通流预测一阶梯度监督，3926-3932
[24] Song，S。；王，Y。；Chaudhuri，K.，相关数据的Pufferfish隐私机制，1291-1306
[25] 王，Q。；Zhang，Y。；卢，X。；王，Z。；秦，Z。；Rescuedp，K.Ren，具有差异隐私的实时时空众包数据发布，1-9
[26] 王，Q。；Zhang，Y。；卢，X。；王，Z。；秦，Z。；Ren，K.，具有不同隐私的实时和时空众包社交网络数据发布。IEEE传输。可靠安全计算。，4, 591-606 (2018)
[27] 王，Y。；苏，Z。；徐，Q。；李，R。；Luan，T.H.，《救生与救援链：基于节能和分区容忍区块链的无人机救援安全信息共享》，1-10
[28] 杨，B。；佐藤，I。；Nakagawa，H.，相关数据的贝叶斯差异隐私，747-762
[29] 张杰。；郑毅。；Qi，D.，用于全市人群流动预测的深度时空残差网络，1655-1661
[30] 张，T。；Zhu，T。；刘，R。；周伟，差异隐私中的相关数据：定义和分析。Concurr。计算。，实际。有效期16（2022年）
[31] X.赵。；Pi，D。；Fu，C.，基于前缀树的使用差异隐私的新型轨迹隐私保护方法。知识-基于系统。(2020)
[32] Zhu，T。；熊，P。；李·G。；Zhou，W.，相关差异隐私：在非iid数据集中隐藏信息。IEEE传输。Inf.法医安全。，2, 229-242 (2015)
[33] Zhu，T。；李·G。；熊，P。；Zhou，W.，回答连续数据集发布的差异私人查询。未来一代。计算。系统。，816-827 (2018)
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。