The problem of private data disclosure is studied from an information theoretic perspective. Considering a pair of dependent random variables $(X,Y)$, where $X,Y$ denote the private and useful data, respectively, the following problem is addressed: What is the maximum information that can be revealed about $Y$ (measured by mutual information $I(Y;U)$, in which $U$ is the revealed data), while disclosing no information about $X$ (captured by the condition of statistical independence, i.e., $X\independent U$, and henceforth called \textit{perfect privacy})? We analyze the supremization of $I(Y;U)$ under perfect privacy for two scenarios: \textit{output perturbation} and \textit{full data observation}, which correspond to the cases where the revealed data is the output of a kernel (called \textit{privacy-preserving mapping}) applied to $Y$ and $(X,Y)$, respectively. In the case of finite alphabets, the linear algebraic analysis involved in the solution provides some interesting results, such as upper/lower bounds on the size of the released alphabet and the maximum utility. In this setting, we propose a privacy-preserving algorithm which is far less complex than the optimal solution, and yet provides acceptable performance. When the private data is binary, it is proved that the proposed algorithm achieves the optimal solution, which has a closed form expression in the full data observation model. Afterwards, it is shown that for jointly Gaussian $(X,Y)$, perfect privacy is not possible in the output perturbation model in contrast to the full data observation model. Finally, an asymptotic analysis is provided in the context of output perturbation model, to obtain the rate of released information when a sufficiently small leakage is allowed. It is shown that this rate is always finite when perfect privacy is not feasible; otherwise, under mild conditions, this becomes unbounded.


翻译:私自数据披露问题是从信息理论角度研究的。 考虑到一对依赖性的随机变量$(X,Y)$(X,Y美元), 其中美元代表私有和有用数据, 我们解决了以下问题: 在两个假设情景下, 最多可以披露的关于Y美元的信息是什么( 由共同信息衡量 $I(Y,U,美元是披露数据) 美元, 其中美元是美元, 而没有披露关于X美元的信息( 由统计独立状态( 即 $X), 并此后称为\textit{ perfect pressy} )? 我们分析了美元( Y,Y;U) 美元( 美元) 代表私人数据披露 $( 美元) (xx) 独立的随机随机随机随机变量 。 在两个假设情景下, 美元( 美元) 美元( textrimodeal) 和 美元( perfectorality) 下, 以最精确的汇率分析方式显示一个最精确的数值 。

0
下载
关闭预览

相关内容

《计算机信息》杂志发表高质量的论文,扩大了运筹学和计算的范围,寻求有关理论、方法、实验、系统和应用方面的原创研究论文、新颖的调查和教程论文,以及描述新的和有用的软件工具的论文。官网链接:https://pubsonline.informs.org/journal/ijoc
区块链白皮书(2020年),60页pdf
专知会员服务
91+阅读 · 2021年1月5日
【干货书】管理统计和数据科学原理,678页pdf
专知会员服务
182+阅读 · 2020年7月29日
【边缘智能综述论文】A Survey on Edge Intelligence
专知会员服务
120+阅读 · 2020年3月30日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
59+阅读 · 2019年10月17日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
计算机 | 国际会议信息5条
Call4Papers
3+阅读 · 2019年7月3日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
人工智能 | 国际会议截稿信息9条
Call4Papers
4+阅读 · 2018年3月13日
已删除
生物探索
3+阅读 · 2018年2月10日
计算机类 | 期刊专刊截稿信息9条
Call4Papers
4+阅读 · 2018年1月26日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
0+阅读 · 2021年1月22日
Arxiv
0+阅读 · 2021年1月22日
Arxiv
0+阅读 · 2021年1月21日
Arxiv
0+阅读 · 2021年1月18日
Arxiv
4+阅读 · 2018年1月15日
VIP会员
相关VIP内容
区块链白皮书(2020年),60页pdf
专知会员服务
91+阅读 · 2021年1月5日
【干货书】管理统计和数据科学原理,678页pdf
专知会员服务
182+阅读 · 2020年7月29日
【边缘智能综述论文】A Survey on Edge Intelligence
专知会员服务
120+阅读 · 2020年3月30日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
59+阅读 · 2019年10月17日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
相关资讯
计算机 | 国际会议信息5条
Call4Papers
3+阅读 · 2019年7月3日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
人工智能 | 国际会议截稿信息9条
Call4Papers
4+阅读 · 2018年3月13日
已删除
生物探索
3+阅读 · 2018年2月10日
计算机类 | 期刊专刊截稿信息9条
Call4Papers
4+阅读 · 2018年1月26日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员