2、量化隐私侵犯：模型、测量与影响

量化隐私侵犯：模型、测量与影响

1. 隐私侵犯量化的重要性与基础

在当今数字化时代，数据的收集和使用变得极为普遍，而隐私保护也成为了一个关键问题。将数据提供者的隐私偏好和数据收集方（以下简称“收集方”）的隐私政策用几何空间中的点来表示，这一想法为我们正式定义隐私侵犯提供了基础。通过这种方式，我们可以明确收集方的隐私政策何时违反了数据提供者的隐私偏好，并进一步研究这种侵犯所带来的后果。

1.1 隐私侵犯模型的益处

• 构建隐私保护数据库 ：这是构建隐私保护数据库的必要条件之一。
• 分析隐私场景 ：提供了一种工具，用于分析各种隐私场景，判断是否存在隐私侵犯的风险。
• 刻画各方动态 ：有助于刻画数据提供者、收集方和第三方在数据隐私方面可能存在的冲突动态。

1.2 隐私侵犯的几何视图

隐私分类法为隐私侵犯提供了一种简单的几何视图。我们可以在隐私分类法上绘制收集方的隐私政策的选定维度，以及数据提供者偏好的相应组件。每个隐私谓词可以用隐私空间中的一个点来表示，这些点由隐私元组表示。如果在任何一个由分类法定义的维度上，收集方的隐私政策所形成的区域不能完全被数据提供者的隐私偏好所界定，那么就认为在该维度上发生了隐私侵犯。

1.3 模型假设

为了更好地进行隐私侵犯的量化分析，我们做出了以下假设：
1. 隐私维度正交 ：隐私的各个维度相互正交，即它们之间没有相互影响。
2.