Resumen

La privacidad diferencial local ha sido considerada la medida estándar para la preservación de la privacidad en la recopilación de datos distribuidos. Se han diseñado mecanismos correspondientes para múltiples tipos de tareas, como la estimación de frecuencia para valores categóricos y la estimación del valor medio para valores numéricos. Sin embargo, la publicación de histogramas de valores numéricos, que contienen pistas abundantes y cruciales para todo el conjunto de datos, no ha sido considerada exhaustivamente bajo esta medida. Simplemente codificar los datos en diferentes intervalos en cada consulta pronto agotará el ancho de banda y los presupuestos de privacidad, lo cual es inviable en escenarios reales. Por lo tanto, este documento propone un marco altamente eficiente para la publicación de histogramas diferencialmente privados de valores numéricos en un entorno distribuido. Los algoritmos propuestos pueden adoptar eficientemente las correlaciones entre múltiples consultas y lograr un consumo óptimo de recursos. También realizamos experimentos extensos en trazas de datos del mundo real,

• Materias:Comunicación inalámbrica Dispositivos móviles Seguridad de la información Algoritmo de inteligencia Sensor inteligente
• Subjects:Wireless communication Mobile devices Information security Algorithm intelligence Intelligent sensor
• Palabras claves:Privacidad; Privacidad diferencial; Publicación de histograma; Valores numéricos; Entorno distribuido; Algoritmos
• Keywords:Privacy; Differential privacy; Histogram publication; Numerical values; Distributed environment; Algorithms