המתמטיקה של הפרטיות: מאחורי הקלעים של פרטיות דיפרנציאלית

מאמר מאת ד"ר גייל גלבוע פרידמן ושותפה תחת הכותרת:

On the behavioral implications of differential privacy

מראה מקום מלא של המאמר:

Gilboa-Freedman, G., & Smorodinsky, R. (2020). On the behavioral implications of differential privacy. Theoretical Computer Science, 841, 84-93.

בעקבות פרסום מאמרה, פגשנו את ד"ר גייל גלבוע פרידמן אשר סיפרה לנו אודות מחקרה:
"פרטיות דיפרנציאלית משמשת בדרך כלל בספרות מדעי המחשב כהגדרה מתמטית לפרטיות לצורך כימות והגבלת אובדן פרטיות. זה מייצר סדר העדפה על פני מערך המנגנונים המסכנים את הפרטיות אשר, בתורם, דבקים במאפיינים מסוימים של סדר זה. אנו מראים כי קבוצה של חמישה מאפיינים כאלה לוכדת באופן ייחודי את ההשלכות הרגילות של תעדוף החלופות בהסכמה עם פרטיות דיפרנציאלית. ניתן ליישם את המודל גם כדי להעריך את ההתאמה של פרטיות דיפרנציאלית בהגדרות שונות.
ובמילים פשוטות יותר, תארו לעצמכם שיש לכם נתונים, ואתם רוצים להשתמש בהם למטרה טובה מבלי לפגוע בפרטיות של אף אחד. זה המקום שבו "פרטיות דיפרנציאלית" נכנסת לתמונה - זה כמו דרך סופר חכמה לוודא שהמידע האישי שלכם נשאר בטוח. במחקר זה, אנו צוללים ומנסים להבין ולהסביר כיצד שיטה זו עובדת, מדוע היא חשובה, ומוצאים את הדרכים הטובות ביותר להשתמש בה. זה כמו לשים שכמיית גיבורי על לשמירה על הנתונים שלכם"

Abstract
Differential privacy is commonly used in the computer science literature as a mathematical definition of privacy for the purpose of quantifying and bounding privacy loss. It induces a preference order over the set of privacy-jeopardizing mechanisms which, in turn, adhere to some properties of this order. We show that a set of five such properties uniquely captures the ordinal implications of prioritizing the alternatives in agreement with differential privacy. The model can also be applied to evaluate the appropriateness of differential privacy in different setting.

לקריאת המאמר המלא >