隐私保护的网络浏览监控与SecWeb设计
在网络浏览数据的处理中,隐私保护是至关重要的。本文将介绍几种相关的方法以及SecWeb的设计,以实现实时网络浏览数据的发布并保护隐私。
现有方法分析
- UNIFORM方法 :为每个时间戳分配 $\epsilon_w$(其中 $\epsilon$ 是总预算),然后在每个时间戳直接应用LPA(Laplace机制)。但如果窗口大小 $w$ 很大,每个时间戳的预算会非常小,导致数据实用性很差。
- U - KF和M - KF改进 :U - KF和M - KF原本不满足 $w$ 事件隐私,我们对其进行了修改,使其满足 $w$ 事件隐私,并将新方案命名为U - KFw和M - KFw。具体做法是将这两种方法实例化为由子机制组成的形式,每个子机制在不相交的 $w$ 个时间戳上运行。为保证在任何连续 $w$ 个时间戳内分配的总预算小于 $\epsilon$,为每个子机制分配 $\epsilon/2$ 的预算。
SecWeb框架介绍
SecWeb框架主要由五个组件组成,旨在实现实时网络浏览数据的隐私保护发布:
1. 自适应采样 :根据动态数据调整采样率,在选定的采样时间戳对统计数据进行扰动,并用上一个采样时间戳的扰动统计数据近似未采样的统计数据。
2. 动态分组 :将具有相似特征的采样页面分组,以减少对每个网页的扰动误差。
3. 自适应预算分配 :根据每个网页的变化趋势,
超级会员免费看
订阅专栏 解锁全文
856

被折叠的 条评论
为什么被折叠?



