面向数据发布和分析的差分隐私保护 |
| |
作者姓名: | 张啸剑 孟小峰 |
| |
作者单位: | 中国人民大学信息学院 |
| |
基金项目: | 国家自然科学基金(61379050,91224008);国家“八六三”高技术研究发展计划项目基金(2013AA013204);高等学校博士学科点专项科研基金(20130004130001)资助~~ |
| |
摘 要: | 随着数据分析和发布等应用需求的出现和发展,如何保护隐私数据和防止敏感信息泄露成为当前面临的重大挑战.基于k-匿名或者划分的隐私保护方法,只适应特定背景知识下的攻击而存在严重的局限性.差分隐私作为一种新出现的隐私保护框架,能够防止攻击者拥有任意背景知识下的攻击并提供有力的保护.文中对差分隐私保护领域已有的研究成果进行了总结,对该技术的基本原理和特征进行了阐述,重点介绍了当前该领域的研究热点:差分隐私下基于直方图的发布技术、基于划分的发布技术以及回归分析技术.在对已有技术深入对比分析的基础上,指出了差分隐私保护技术的未来发展方向.
|
关 键 词: | 差分隐私 数据发布 隐私保护 数据分析 |
本文献已被 CNKI 等数据库收录! |
|