一种满足个性化差分隐私的多方垂直划分数据合成机制

来源：电子与信息学报杂志2024年第5期北京时间：

作者：朱友文, 王珂, 周玉倩

单位：南京航空航天大学计算机科学与技术学院 南京 211106

摘要：当今时代，随着大数据技术的飞速发展和数据量的持续增加，大量数据不断被不同的公司或者机构收集，把来自不同公司或机构的数据聚合起来并发布，有助于更好地提供服务、支持决策。然而他们各自的数据中可能包含敏感程度不同的隐私信息，所以在聚合发布各方数据时需要满足个性化隐私保护要求。针对个性化隐私保护的多方数据聚合发布问题，该文提出满足个性化差分隐私的多方垂直划分数据合成机制(PDP-MVDS)。该机制通过生成低维边缘分布实现对高维数据的降维，用低维边缘分布更新随机初始的数据集，最终发布和各方的真实聚合数据集分布近似的合成数据集；同时通过划分隐私预算实现个性化差分隐私保护，利用安全点积协议和门限Paillier加密保证各方数据在聚合过程中的隐私性，利用分布式拉普拉斯机制有效保护了多方聚合边缘分布的隐私。该文通过严格的理论分析证明了PDP-MVDS能够确保每个参与方数据和发布数据集的安全。最后，在公开数据集上进行了实验评估，实验结果表明PDP-MVDS机制能够以低开销生成高效用的多方合成数据集。

关键词：隐私保护, 多方数据发布, 安全多方计算, 个性化差分隐私, 垂直划分数据

基金资助：国家重点研发计划(2021YFB3100400)，国家自然科学基金(62172216)，江苏省自然科学基金(BK20211180)