| 差分隐私模型的启发式隐私参数设置策略 |
| |
| 引用本文： | 欧阳佳,肖政宏,刘少鹏,印鉴,林丕源. 差分隐私模型的启发式隐私参数设置策略[J]. 计算机应用研究, 2019, 36(1) |
| |
| 作者姓名： | 欧阳佳 肖政宏 刘少鹏 印鉴 林丕源 |
| |
| 作者单位： | 广东技术师范学院计算机科学学院,广州,510665;中山大学数据科学与计算机学院,广州,510275;华南农业大学数学与信息学院,广州,510642 |
| |
| 基金项目： | 国家自然科学基金项目(61702119);广东省教育厅青年创新人才项目(自科)(2015KQNCX084);广州市科技计划项目(201607010152);广东省省级科技计划项目(2016A010101029) |
| |
| 摘 要： | 差分隐私模型是一种强隐私模型，用隐私参数ε度量隐私保护程度及噪声量，近年来成为隐私保护领域的研究热点。但是隐私参数ε的设置只能依赖于实验或专业人士经验，限制了差分隐私模型的使用与推广。针对这个问题，基于(ρ1，ρ2)-隐私模型提出一种启发式的隐私参数ε设置策略（limit privacy breaches in differential privacy，LPBDP），分析隐私参数ε与(ρ1，ρ2)的内在联系，实现噪声量的添加由(ρ1，ρ2)决定。LPBDP通过如下启发式原则设置隐私参数ε：如果攻击者关于目标受害者的先验概率小于阈值ρ1，攻击者得到差分隐私查询策略返回的加噪结果后，关于目标受害者的后验概率必须小于阈值ρ2。实验表明LPBDP能够更直观地设置隐私参数ε以满足差分隐私约束。
|
| 关 键 词： | 隐私保护 差分隐私 隐私参数 隐私泄露 |
| 收稿时间： | 2017-06-20 |
| 修稿时间： | 2018-11-27 |
Heuristic privacy parameter setting strategy for differential privacy model |
| |
| ouyangjia. Heuristic privacy parameter setting strategy for differential privacy model[J]. Application Research of Computers, 2019, 36(1) |
| |
| Authors: | ouyangjia |
| |
| Affiliation: | Guangdong Polytechnic Normal University |
| |
| Abstract: | |
| |
| Keywords: | privacy-preserving differential privacy privacy parameter privacy breaches |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《计算机应用研究》浏览原始摘要信息 |
|
点击此处可从《计算机应用研究》下载全文 |
