论文研究-差分隐私模型的启发式隐私参数设置策略.pdf

隐私参数ε能度量隐私保护程度及噪声量，但是其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。