一篇新研究论文介绍了一个名为跨数据孤岛的个体级差分隐私（XSP-DP）的框架，用于分析当数据分布在多个由差分隐私保护的数据孤岛中时，去匿名化的风险。该研究确定了一个临界阈值，大约为 Theta(log n / epsilon^2)，随着数据孤岛数量的增加，去匿名化变得可行。研究结果表明，即使单个数据孤岛提供了隐私保护，在没有明确协调的情况下，合并来自多个数据孤岛的信息也可能导致不可避免的去匿名化。 AI
影响 为分布式私有数据集的去匿名化风险设定了理论阈值，影响未来的隐私保护系统设计。
排序理由 一篇在arXiv上发表的研究论文，详细介绍了一个新的理论框架和数据隐私方面的发现。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.16763v1 Announce Type: cross Abstract: When a person's records appear in k independent data silos, each protected by (epsilon, delta)-differential privacy, standard composition yields a valid (k*epsilon, k*delta)-DP guarantee for the joint output. This worst-case bound…
When a person's records appear in k independent data silos, each protected by (epsilon, delta)-differential privacy, standard composition yields a valid (k*epsilon, k*delta)-DP guarantee for the joint output. This worst-case bound, however, does not answer the concrete inference …