Core Concepts
Die ersten Algorithmen für Knoten-differenzielle Privatsphäre in kontinuierlicher Veröffentlichungsumgebung.
Abstract
Einleitung
Graphen als Modell für relationale Daten.
Bedeutung von Substrukturen-Statistiken.
Herausforderungen
Datenschutz bei sensiblen Informationen.
Differential Privacy Framework.
Kontinuierliche Veröffentlichung
Vergleich von Batch- und kontinuierlicher Veröffentlichung.
Standardbegriffe für Differential Privacy.
Stabile und Zeitbewusste Projektionen
Algorithmen ΠBBDSD und ΠDLLD.
Stabilität in (D, ℓ)-gebundenen Graphenströmen.
Ergebnisse
Stabilität der Projektionen in Bezug auf Kanten und Knoten.
Tightness der Stabilitätsbeweise.
Schlussfolgerung
Greedy Natur der Algorithmen vereinfacht die Analyse.
Stats
"Die erste Algorithmen für Knoten-differenzielle Privatsphäre in der kontinuierlichen Veröffentlichungsumgebung."
"Die Algorithmen sind genau für dünne Graphen und fundamentale Graphenprobleme."
"Die Transformationen ermöglichen die Umwandlung von D-eingeschränkten Algorithmen in bedingungslos private."
Quotes
"Die Algorithmen sind genau für dünne Graphen und fundamentale Graphenprobleme."
"Die Transformationen ermöglichen die Umwandlung von D-eingeschränkten Algorithmen in bedingungslos private."