32、个性化匿名化查询：保障隐私与数据可用性的新方案

个性化匿名化查询：保障隐私与数据可用性的新方案

在当今数字化时代，数据隐私保护变得至关重要。本文将深入探讨个性化匿名化查询的相关技术，包括个性化差分隐私、参考计算架构、查询处理协议以及语义问题等方面。

个性化差分隐私技术

个性化差分隐私旨在让用户能够根据自身需求定制隐私保护级别。以下是几种相关的实现机制：
- Jorgensen等人的机制 ：提出了两种机制，第一种简单直接，采用最大的 ϵ 约束来应用差分隐私；第二种基于非均匀采样算法，使用两个参数，一个是用户指定的个性化 ϵ，确保个性化差分隐私，另一个是全局 ϵ，保证最低程度的隐私。
- Li等人的算法 ：使用基于分区的机制实现个性化差分隐私。该算法将具有相近 ϵ 约束的用户数据分组，然后应用算法确保分区中最低 ϵ 值（即最高隐私保证）的差分隐私。
- Xiaokui Xiao和Yufei Tao的方法 ：引入了守护节点的概念。用户可以指定守护节点（敏感属性分类树中的一个节点），限制敏感值的精度，从而保证用户在给定概率下不会与分类树中守护节点以下的任何敏感值关联。

参考计算架构

个人信息管理系统（PIMS）范式为隐私设计的存储和计算平台提供了可能。Trusted Cells架构正好满足了PIMS的需求，它是一种去中心化架构，通过两方协作管理微数据的计算：
- 个人可信数据服务器（TDS） ：允许每个个体以可信赖的方式管理自己的数据。TDS包含防篡改硬件，如智能卡、安全芯片、安全USB令牌等，确保数据和代码免受攻击者和用户的滥用。T