Loading...
机构名称:
¥ 1.0

摘要 - 隐私泄漏措施的研究一直是一项深入研究的主题,是了解计算机系统中隐私泄漏的重要方面。差异隐私已成为隐私社区中的焦点,但尚未完全理解其泄漏特征。在本文中,我们汇集了两个研究领域 - 信息理论和定量信息流(QIF)的G-欺骗框架 - 为当地微分隐私的Epsilon参数提供了操作解释。我们发现,在这两个框架中,Epsilon都是能力度量的;通过(log)lift,信息理论中的流行措施;并通过max-case g-leakage,我们介绍,以描述使用QIF框架下使用“最坏情况”假设建模的贝叶斯对手的任何系统的泄漏。我们的表征解决了伊普西隆的解释性的重要问题,并巩固了许多不同的结果,涵盖了信息理论和定量信息流的文献。索引条款 - 差异隐私,日志升级,信息泄漏,g-leakage,定量信息流量

通过...

通过...PDF文件第1页

通过...PDF文件第2页

通过...PDF文件第3页

通过...PDF文件第4页

通过...PDF文件第5页

相关文件推荐

2024 年
¥1.0
2025 年
¥1.0
2024 年

...

¥5.0
2024 年
¥1.0
2023 年
¥1.0
2024 年

...

¥1.0
2023 年
¥1.0
2025 年

...

¥1.0
2025 年

...

¥1.0
2024 年
¥8.0
2023 年
¥1.0
2024 年
¥1.0
2024 年

...

¥1.0
2024 年
¥1.0
2024 年
¥1.0
2024 年
¥1.0
2024 年
¥1.0
2025 年
¥1.0
2024 年
¥1.0
2024 年
¥1.0
2024 年
¥1.0
2024 年
¥2.0
2024 年
¥1.0
2024 年

...

¥1.0
2024 年
¥1.0
2024 年
¥1.0
1900 年
¥1.0
2024 年
¥1.0
2024 年

...

¥4.0
2024 年
¥1.0