典型文献
ESA:一种新型的隐私保护框架
文献摘要：
随着大数据驱动下智能技术的快速发展,大规模数据收集场景成为数据治理和隐私保护的主战场,本地化差分隐私技术作为该场景下的主流技术,被谷歌、苹果、微软等企业广泛使用.然而,该技术在用户本地对数据进行扰动,引入较多噪声,数据可用性较差.为实现可用性与隐私性兼顾的隐私保护方法,ESA(encode-shuffle-analyze)框架被提出,它在混洗器(shuffler)的作用下尽可能对数据进行较小扰动,同时保护用户隐私,使得任一用户的隐私信息都不能被数据分析者从收集数据中唯一识别.鉴于差分隐私在数学上优雅且严格的隐私定义,该框架目前主要基于差分隐私技术进行实现,该种实现称为混洗差分隐私(shuffle differential privacy,SDP).在保证相同隐私损失￡的情况下,混洗差分隐私比本地化差分隐私的可用性高O(√n)倍,接近中心化差分隐私而不依赖于可信第三方.为对该新型的隐私保护框架进行综述,首先对该框架进行分析;之后基于主流的混洗差分隐私技术,对相关理论基础与技术基础进行总结,对不同统计问题下的隐私保护机制进行理论与实验对比;最终提出ESA框架的挑战问题,并对该框架下非差分隐私方法的实现进行展望.
文献关键词：
隐私保护;ESA框架;本地化差分隐私;中心化差分隐私;混洗差分隐私;数据收集
中图分类号：
作者姓名：
王雷霞;孟小峰
作者机构：
中国人民大学信息学院 北京100872
文献出处：
引用格式：
[1]王雷霞;孟小峰-.ESA:一种新型的隐私保护框架)[J].计算机研究与发展,2022(01):144-171
A类：
shuffler,混洗差分隐私
B类：
ESA,隐私保护框架,大数据驱动,大规模数据,数据收集,数据治理,主战场,本地化差分隐私,苹果,微软,数据可用性,隐私性,保护方法,encode,analyze,小扰动,用户隐私,任一,隐私信息,收集数据,优雅,该种,differential,privacy,SDP,比本,中心化差分隐私,不依,技术基础,题下,隐私保护机制,实验对比,私方
AB值：
0.257063
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
