Privately Answer Count-Queries on Dataset with Correlated Records
Gang Li
Professor
Deakin University
Abstract: 数据挖掘和数据发布中的隐私保护问题在过去几十年中受到了越来越多的关注，而差分隐私作为一个极具影响力的隐私概念，为数据挖掘和数据发布提供了严密且可证的隐私保护。当前，差分隐私上的相关工作通常假设数据集中的每条数据之间是相互独立的，然而实际应用中数据极少会独立分布。对于数据之间的关联我们称之为关联信息，而由这样数据组成的数据集则称之为关联数据集。将传统的差分隐私技术应用在关联数据集会导致比预期更多的隐私信息被泄露，从而造成严重的隐私侵权。尽管最近的相关工作对这种情况有所考虑，但是我们仍然缺乏一个牢靠的方法。与此同时，如何降低差方隐私在关联数据集中所产生的噪音也是一个有待解决的问题。为了解决这些难题，本报告介绍差分隐私保护的思想，并提出一种基于关联敏感度的Count查询的回复机制，通过考虑数据记录之间不同程度的关联性，所提出的方法降低了处理过程中所产生的噪声数据。
Bio: Gang Li, visiting scholar to NJU, senior lecturer, director of computer science course, and HDR coordinator for Faculty of Science and Technology in Deakin University. His recent research interests are in the area of data privacy, and private data release.