依賴差分隱私:關聯數據集下的高斯機制
所屬分類:技術論文
上傳者:wwei
文檔大?。?span>927 K
標簽: 差分隱私 依賴差分隱私 高斯機制
所需積分:0分積分不夠怎么辦?
文檔介紹:差分隱私(Differential Privacy)是一種數據擾動框架,它保證查詢結果在概率上不可區(qū)分。研究表明差分隱私應用于關聯數據集時,將帶來隱私泄露的風險。根據依賴差分隱私(Dependent Differential Privacy),量化了依賴差分隱私敏感度的度量;隨后,提出了依賴差分隱私-高斯機制算法(Gaussian Mechanism AlgorithmDependent Differential Privacy),實現數據擾動,同時證明了該機制滿足隱私保證的基本定理;通過使用真實數據集的實驗表明,GMADDP在管理依賴數據的隱私-效用權衡方面具有較高的可用性。
現在下載
VIP會員,AET專家下載不扣分;重復下載不扣分,本人上傳資源不扣分。