因为差分隐私处理的是最坏的情况,所以bloom滤波器引入的不确定性在其边界的计算中没有发挥任何作用。根据随机抽取,在Bloom过滤器中可能有多个映射到相同h位的候选字符串。然而,对于平均情况的隐私分析,Bloom过滤器确实提供了额外的隐私保护(一种k匿名的味道),因为很难从其Bloom过滤器表示B[4]可靠地推断客户的值v。
从定义 1 中可以看出,本地化差分隐私技术通过控制任意两条记录的输出结果的相似性,从而确保算法 M 满足\epsilon -本地化差分隐私。简言之,根据隐私算法 M 的某个输出结果,几乎无法推理出其输入数据为哪一条记录。定义1 从理论的角度保证了算法满足 \epsilon -本地化差分隐私,而实现 \epsilon -本地化差分隐私...
这种准确性的巨大损失意味着只有少数查询类型适用于本地差分隐私,即使对于这些查询类型,也需要大量的参与者。 在这篇博客中中,我们将看到两种用于本地差分隐私的机制。第一种称为(randomized response)随机响应,第二种称为(unary encoding)一元编码。 随机响应 1965年S. L. Warner在论文中提到的随机响应是一种局部...