计算机科学 > 密码学与安全
[提交于 2025年9月2日
]
标题: 增强的洗牌差分隐私协议用于大域分类和键值数据
标题: Augmented Shuffle Differential Privacy Protocols for Large-Domain Categorical and Key-Value Data
摘要: 差分隐私(Differential Privacy)的洗牌协议通过引入一个随机洗牌数据的洗牌器,在分布式系统中提供高精度和隐私保护。 然而,大多数洗牌DP协议容易受到两种攻击:数据收集者和用户之间的共谋攻击以及数据中毒攻击。 最近的一项研究通过引入一种增强型洗牌DP协议来解决这个问题,其中用户不添加噪声,而洗牌器执行随机抽样和虚拟数据添加。 然而,它仅针对小域的类别数据频率估计,并由于通信和计算成本过高而无法应用于大域。 在本文中,我们通过引入一种名为FME(过滤-多重加密)的新型增强型洗牌DP协议来填补这一空白。 我们的FME协议使用哈希函数过滤掉不受欢迎的项目,然后对受欢迎的项目进行精确的频率计算。 为了在用户和洗牌器之间的一轮交互中完成此操作,我们的协议在使用多重加密的系统中仔细进行通信。 我们还应用我们的FME协议到更高级的KV(键值)统计估计中,并采用额外的技术来减少偏差。 对于类别数据和KV数据,我们证明了我们的协议提供计算DP、对上述两种攻击的高度鲁棒性、准确性以及效率。 我们通过与十二种现有协议的比较展示了我们方案的有效性。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.