Resumen

Con la llegada de la era del big data, los problemas de privacidad se han convertido en un tema candente en el ámbito público. La privacidad diferencial local (LDP) es una técnica de preservación de la privacidad de última generación que permite realizar análisis de big data (por ejemplo, estimación estadística, aprendizaje estadístico y minería de datos) garantizando la privacidad de cada participante individual. En este documento, presentamos una encuesta exhaustiva de LDP. En primer lugar, ofrecemos una visión general del conocimiento fundamental de LDP y sus marcos. Luego, presentamos en detalle los mecanismos y métodos de privatización más importantes desde la perspectiva del oráculo de frecuencia y proporcionamos información sobre investigaciones recientes sobre estimación estadística básica privada (por ejemplo, estimación de frecuencia y estimación de la media) y estimación estadística compleja (por ejemplo, estimación de distribución multivariante y estimación privada sobre datos complejos) bajo LDP. Además, presentamos las circunstancias actuales de la investigación sobre LDP, incluyendo

• Materias:Seguridad informática Comunicación inalámbrica Internet de las cosas Ataques de denegación distribuida de servicio
• Subjects:Computer security Wireless communication Internet of things Distributed denial of service attacks
• Palabras claves:Big data; Cuestiones de privacidad; Privacidad diferencial local; Estimación estadística; Minería de datos; Líneas de investigación
• Keywords:Big data; Privacy issues; Local differential privacy; Statistical estimation; Data mining; Research directions