Privacy-aware data publishing against sparse estimation attack

به تازگی تعدادی از تکنیک های انتشار داده های حفظ حریم خصوصی برای محافظت از حریم خصوصی داده های منتشر شده ارائه شده است. در این مقاله، ما در حال بررسی نحوه محافظت از داده های منتشر نشده در هنگام انتشار داده ها هستیم. نتایج آزمایش ما نشان می دهد که داده های منتشر نشده را می توان به خوبی تخمین زد، زمانی که مهاجم به تکنیک های تخمینی نزول، حتی زمانی که مقدار زیادی نویز به طور تصادفی به داده های منتشر شده اضافه می شود. برای رفع حریم خصوصی داده های منتشر نشده، در حالی که تضمین استفاده از داده های منتشر شده، یک چارچوب انتشار اطلاعات ساختاری مربوط به حفظ حریم خصوصی را در برابر حمله برآورد نادرست پیشنهاد می کنیم. به طور خاص، ما یک استراتژی افزایشی سرنوشت تصادفی گاوس غیر عادی ارائه می کنیم که با به حداکثر رساندن از بین رفتن اطلاعات جهانی بین داده های اصلی و داده های پر سر و صدا حاصل می شود. علاوه بر این، می توانیم حد بالایی از تعداد داده های منتشر شده را که می تواند منتشر شود، محاسبه کنیم، که به عنوان معیار برای تضمین حریم خصوصی داده های منتشر نشده عمل می کند. نتایج آزمایش ما نشان می دهد که چارچوب پیشنهادی قادر به حفظ حریم خصوصی داده های منتشر نشده با عملکرد مطلوب است.