44、差分隐私最短路径范围查询研究

差分隐私最短路径范围查询研究

1. 引言

在当今数据爆炸的时代，图数据的应用越来越广泛。图作为一种自然的数学结构，可用于建模对象之间的成对关系，然而这些关系或属性往往包含敏感和机密信息。因此，在没有强大隐私保障的情况下对图进行统计分析可能会带来问题。本文聚焦于在差分隐私约束下，对图上的范围查询进行研究，其中查询范围被定义为图中最短路径上的边集。

1.1 应用场景

• 金融分析 ：图的边可表示两个金融实体之间的交易，属性为交易金额。法医分析人员可沿特定路径查询以检测异常。
• 供应链网络 ：顶点代表生产者、运输商或零售商等参与者，边表示它们之间的关系。边的属性如缺货时间（TTS）可用于估计某些路径的端到端弹性，同时隐私和安全问题至关重要。
• 道路网络 ：范围可自然定义为用户行驶的路径，查询涉及路径上的交通统计信息。
• 医疗信息系统 ：隐私同样是关键因素。

1.2 研究设置与结果

我们考虑基于公共边权重的最短路径作为查询范围，查询答案是路径上私有边属性的函数。具体有两种查询类型：
- 计数查询 ：返回路径上所有边属性值的总和。
- 瓶颈查询 ：返回路径上所有边属性值的最小值。

为保证差分隐私，查询答案会被添加噪声进行扰动。我们的目标是在给定隐私预算的情况下，使输出的加性误差最小。主要结果