差分プライバシーを満たすノイズの一般化に関する検討 (情報セキュリティ)  [in Japanese] Generalization of Noises in Differential Privacy  [in Japanese]

Search this Article

Author(s)

Abstract

差分プライバシーは,データベースの開示抑制におけるプライバシー保護指標であり,「特定の個人がデータベースに含まれていてもいなくても分析の出力が殆ど変化しない」ことの表現を目指したものである.差分プライバシー実現のために分析の出力にノイズと呼ばれるランダムな数値を加える手法があるが,分析結果の有用性を維持するためには指標を満たす範囲でノイズは可能な限り小さい方が望ましい.本研究ではノイズが差分プライバシーを実現するための十分条件を数学的に解析し,具体的に複数のノイズを新たに提案する.その上でそれらのノイズの大きさをパーセント点の観点から比較する.結果,既存の Laplaceノイズがデータ有用性の観点からは最も優れていることを確認した.

In this note we verify a sufficient condition of noises for satisfying Differential Privacy and introduce some new noises concretely. Furthermore we calculate percentiles of their noises for comparing the loss of data utilities before and behind adding noises. Finally, we conform the laplace noise has the smaller percentile than introduced noises, i.e. the Laplace noise is superior to other noises in terms of data utility.

Journal

  • Technical report of IEICE. ISEC

    Technical report of IEICE. ISEC 113(135), 395-402, 2013-07-18

    The Institute of Electronics, Information and Communication Engineers

Codes

  • NII Article ID (NAID)
    110009778513
  • NII NACSIS-CAT ID (NCID)
    AN10060811
  • Text Lang
    JPN
  • ISSN
    0913-5685
  • NDL Article ID
    024745513
  • NDL Call No.
    Z16-940
  • Data Source
    NDL  NII-ELS 
Page Top