摘要
补充材料
基思·M·鲍尔。 Rn中对数凹函数和凸集的截面。 数学研究所,1988:69-84。 谷歌学者 7} 巴拉克CDKMT07Boaz Barak、卡马利卡·乔杜里(Kamalika Chaudhuri)、辛西娅·德沃克(Cynthia Dwork)、萨蒂恩·凯尔(Satyen Kale)、弗兰克·麦克谢里(Frank McSherry)和库纳尔·塔尔瓦尔(Kunal Talwar)。 隐私、准确性和一致性也是:应急表发布的整体解决方案。 程序中。 第26届PODS,第273-282页。 ACM,2007年。 谷歌学者 数字图书馆 Avrim Blum、Katrina Ligett和Aaron Roth。 非交互式数据库隐私的学习理论方法。 在STOC'08:第40届ACM计算理论研讨会论文集,第609-618页,美国纽约州纽约市,2008年。 ACM公司。 谷歌学者 数字图书馆 海·布伦纳和科比·尼西姆。 不可能存在差异私有的普遍最优机制。 《2010年IEEE第51届计算机科学基础年度研讨会论文集》,FOCS’10,第71-80页,美国华盛顿特区,2010年。 IEEE计算机学会。 谷歌学者 数字图书馆 Anindya De.差异隐私的下限。 CoRR,abs/1107.21832011年。 谷歌学者 马丁·戴尔(Martin E.Dyer)、阿兰·弗里兹(Alan M.Frieze)和拉维·坎南(Ravi Kannan)。 用于近似凸体体积的随机多项式时间算法。 J.ACM,38(1):1-171991年。 谷歌学者 数字图书馆 亚历山大·丁哈斯。 U ber eine Klasse超添加剂Mengenfunkentiale von Brunn-Minkowski-Lusternikschem Typus。 数学。 Z.,68:111--1251957年。 谷歌学者 交叉引用 辛西娅·德沃克、弗兰克·麦克谢里、科比·尼西姆和亚当·史密斯。 在私人数据分析中校准噪声灵敏度。 程序中。 第3 TCC,第265--284页。 施普林格,2006年。 谷歌学者 数字图书馆 辛西娅·德沃克(Cynthia Dwork)、弗兰克·麦克谢里(Frank McSherry)和库纳尔·塔瓦尔(Kunal Talwar)。 隐私的代价和LP解码的限制。 程序中。 第39届STOC,第85-94页。 ACM,2007年。 谷歌学者 数字图书馆 Irit Dinur和Kobbi Nissim。 泄露信息,同时保护隐私。 程序中。 第22届PODS,第202-210页。 ACM,2003年。 谷歌学者 数字图书馆 9} DworkNRRV09Cynthia Dwork、Moni Naor、Omer Reingold、Guy N.Rothblum和Salil Vadhan。 差异私有数据发布的复杂性:高效算法和硬性结果。 2009年,美国纽约州纽约市,STOC'09,第381-390页,第41届ACM计算理论年会论文集。 ACM公司。 谷歌学者 数字图书馆 Daniel Dadush、Chris Peikert和Santosh Vempala。 通过m-椭球覆盖在任意范数下求解最短和最近格向量问题的枚举算法。 CoRR,abs/1011.56662010年。 谷歌学者 辛西娅·德沃克(Cynthia Dwork)、盖伊·罗斯布鲁姆(Guy N.Rothblum)和萨利尔·瓦丹(Salil Vadhan)。 提高和区分隐私。 2010年IEEE第51届计算机科学基础年度研讨会论文集,FOCS’10,第51-60页,美国华盛顿特区,2010年。 IEEE计算机学会。 谷歌学者 数字图书馆 辛西娅·德沃克和谢尔盖·叶哈宁。 对统计信息披露控制机制的新的有效攻击。 程序中。 第28次秘密行动,第469--480页。 施普林格,2008年。 谷歌学者 数字图书馆 阿波斯托洛斯·贾诺普洛斯。 关于各向同性凸体的注记, 2003 谷歌学者 Arpita Ghosh、Tim Roughgarden和Mukund Sundararajan。 普遍实用的最大化隐私机制。 在STOC中,第351-360页,2009年。 谷歌学者 数字图书馆 Mangesh Gupte和Mukund Sundararajan。 minimax代理的普遍最优隐私机制。 第二十九届ACM SIGMOD-SIGACT-SIGART数据库系统原理研讨会论文集,PODS’10,第135-146页,美国纽约州纽约市,2010年。 ACM公司。 谷歌学者 数字图书馆 莫里茨·哈德(Moritz Hardt)和盖·罗斯布卢姆(Guy N.Rothblum)。 用于隐私保护数据分析的乘法权重机制。 2010年IEEE第51届计算机科学基础年度研讨会论文集,FOCS’10,第61-70页,美国华盛顿特区,2010年。 IEEE计算机学会。 谷歌学者 数字图书馆 莫里茨·哈德(Moritz Hardt)和库纳尔·塔瓦尔(Kunal Talwar)。 关于不同隐私的几何学。 《第42届ACM计算理论研讨会论文集》,STOC’10,第705-714页,美国纽约州纽约市,2010年。 ACM公司。 谷歌学者 数字图书馆 B.克拉塔格。 切片问题的同构版本。 功能分析杂志,218(2):372-3942005。 谷歌学者 交叉引用 B.克拉塔格。 关于具有有界各向同性常数的凸扰动。 几何与功能分析,16:1274--12902006。 10.1007/s00039-006-0588-1。 谷歌学者 交叉引用 波阿斯·克拉塔格和维塔利·米尔曼。 对数压缩函数和测度的几何。 地理。 Dedicata,170:169--1822005年。 谷歌学者 交叉引用 Shiva Prasad Kasiviswanathan、Mark Rudelson、Adam Smith和Jonathan Ullman。 私下发布列联表和具有相关行的随机矩阵的谱的价格。 《第42届ACM计算理论研讨会论文集》,STOC’10,第775-784页,美国纽约州纽约市,2010年。 ACM公司。 谷歌学者 数字图书馆 0}LiHRMM10Chao Li、Michael Hay、Vibhor Rastogi、Gerome Miklau和Andrew McGregor。 在差异隐私下优化线性计数查询。 第二十九届ACM SIGMOD-SIGACT-SIGART数据库系统原理研讨会论文集,PODS’10,第123-134页,美国纽约,2010年。 ACM公司。 谷歌学者 数字图书馆 LászlóLovász和Miklós Simonovits。 凸体中的随机行走和改进的体积算法。 随机结构。 算法,4(4):359--4121993。 谷歌学者 交叉引用 拉什洛·洛瓦兹和桑托什·万帕拉。 凸体中的模拟退火和*(4)体积算法。 J.计算。 系统。 科学。, 72(2):392--417, 2006. 谷歌学者 数字图书馆 弗兰克·麦克谢里和伊利亚·米罗诺夫。 不同的私人推荐系统:将隐私构建到网络中。 程序中。 KDD第15号,第627-636页。 ACM,2009年。 谷歌学者 数字图书馆 V.Milman和A.Pajor。 赋范n维空间中单位球的各向同性位置和惯性椭球体和带状体。 功能分析的几何方面,1376:64-1041989。 谷歌学者 交叉引用 V.D.Milman和A.Pajor。 赋范n维空间中单位球的各向同性位置和惯性椭球体和带状体。 功能分析的几何方面,1376:64-1041989。 谷歌学者 交叉引用 Frank McSherry和Kunal Talwar。 通过差异隐私进行机制设计。 程序中。 第48届FOCS,第94-103页。 IEEE,2007年。 谷歌学者 数字图书馆 Kobbi Nissim、Sofya Raskhodnikova和Adam Smith。 私人数据分析中的平滑敏感性和采样。 在STOC'07:第三十九届年度ACM计算理论研讨会论文集,第75-84页,美国纽约州纽约市,2007年。 ACM公司。 谷歌学者 数字图书馆 Vibhor Rastogi、Sungho Hong和Dan Suciu。 数据发布中隐私和实用程序之间的边界。 克里斯托夫·科赫(Christoph Koch)、约翰内斯·盖尔克(Johannes Gehrke)、米诺斯·加罗法拉基斯(Minos N.Garofalakis)、迪维什·斯利瓦斯塔瓦(Divesh Srivastava)、卡尔·阿贝勒(Karl Aberer)、阿南德·德什潘德(Anand Deshpande)、丹妮拉·弗洛雷斯库(Daniela Florescu)、陈志勇(Chee Yong Chan)、文卡特斯·甘蒂(Venkatesh Ga。 ACM,2007年。 谷歌学者 数字图书馆 亚伦·罗斯(Aaron Roth)和蒂姆·罗加登(Tim Roughgarden)。 通过中间机制的交互隐私。 《第42届ACM计算理论研讨会论文集》,STOC’10,第765-774页,美国纽约州纽约市,2010年。 ACM公司。 谷歌学者 数字图书馆 桑托什·万帕拉。 几何随机漫步:一项调查。 MSRI组合和计算几何卷,52:577-6162005。 谷歌学者
索引术语
线性查询的无条件差异私有机制
建议
超越线性查询的私有乘法权重 PODS’15:第34届ACM SIGMOD-SIGACT-SIGAI数据库系统原理研讨会会议记录 机器学习中的各种基本数据分析,如线性回归和逻辑回归,都需要最小化数据定义的凸函数。 由于数据可能包含有关个人的敏感信息,因此这些分析可以。。。 一种语义保持的差异私有查询日志发布方法 集锦 我们讨论了查询日志的隐私保护发布的挑战和特殊性。
摘要 查询日志对于数据分析非常重要。 它们允许描述用户配置文件、用户行为和搜索习惯。 然而,由于查询日志通常包含个人信息,数据控制器应该实现。。。