Predictive metric for optimal budget allocation in differential privacy

Detalhes bibliográficos
Ano de defesa: 2024
Autor(a) principal: Nunes, Henry Cabral
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: eng
Instituição de defesa: Pontifícia Universidade Católica do Rio Grande do Sul
Escola Politécnica
Brasil
PUCRS
Programa de Pós-Graduação em Ciência da Computação
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Differential Privacy
Anonymization
Privacy
Dataset
Metric
Summary Statistics
Anonimização
Privacidade
Metrica
Estatísticas descritivas
CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO
Link de acesso: https://tede2.pucrs.br/tede2/handle/tede/11680
Resumo: This work addresses the critical issue of budget allocation in Differential Privacy (DP) applications, specifically for scenarios where summary statistics are released. Our main objective is to develop a novel metric and scenario that leverages information about future data usage to optimize budget distribution. Effective budget distribution is pivotal in enhancing data utility without compromising privacy, a significant challenge in the DP field. We identify and exploit a gap related to the interactions between DP queries to improve data utility. Our metric is formally defined, and we apply it through a hypothetical scenario using synthetic data. The results indicate a substantial improvement in data utility while maintaining privacy. This study offers a valuable contribution to the DP field and opens avenues for future research and practical applications in real-world scenarios
id P_RS_53890d15b5fc3de6410b457a7a8045ee
oai_identifier_str oai:tede2.pucrs.br:tede/11680
network_acronym_str P_RS
network_name_str Biblioteca Digital de Teses e Dissertações da PUC_RS
repository_id_str
spelling Predictive metric for optimal budget allocation in differential privacyMétrica preditiva para alocação ótima de orçamento em privacidade diferencialDifferential PrivacyAnonymizationPrivacyDatasetMetricSummary StatisticsDifferential PrivacyAnonimizaçãoPrivacidadeDatasetMetricaEstatísticas descritivasCIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAOThis work addresses the critical issue of budget allocation in Differential Privacy (DP) applications, specifically for scenarios where summary statistics are released. Our main objective is to develop a novel metric and scenario that leverages information about future data usage to optimize budget distribution. Effective budget distribution is pivotal in enhancing data utility without compromising privacy, a significant challenge in the DP field. We identify and exploit a gap related to the interactions between DP queries to improve data utility. Our metric is formally defined, and we apply it through a hypothetical scenario using synthetic data. The results indicate a substantial improvement in data utility while maintaining privacy. This study offers a valuable contribution to the DP field and opens avenues for future research and practical applications in real-world scenariosNeste trabalho, abordamos a questão crítica da alocação de orçamento em aplicações de Privacidade Diferencial (DP), especificamente para cenários onde estatísticas descritivas são divulgadas. Nosso principal objetivo é desenvolver uma métrica e um cenário inovadores que utilizem informações sobre o uso futuro dos dados para otimizar a distribuição do orçamento. Uma distribuição de orçamento eficaz é fundamental para melhorar a utilidade dos dados sem comprometer a privacidade, um desafio significativo no campo da DP. Identificamos e exploramos uma lacuna relacionada às interações entre consultas de DP para melhorar a utilidade dos dados. Nossa métrica é formalmente definida e demonstramos sua aplicação por meio de um cenário hipotético utilizando dados sintéticos. Os resultados indicam uma melhoria substancial na utilidade dos dados, mantendo a privacidade. Este estudo não apenas oferece uma contribuição valiosa para o campo da DP, mas também abre caminhos para futuras pesquisas e aplicações práticas em cenários do mundo realPontifícia Universidade Católica do Rio Grande do SulEscola PolitécnicaBrasilPUCRSPrograma de Pós-Graduação em Ciência da ComputaçãoZorzo, Avelino Franciscohttp://lattes.cnpq.br/4315350764773182Nunes, Henry Cabral2025-06-12T14:18:08Z2024-08-28info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfhttps://tede2.pucrs.br/tede2/handle/tede/11680enginfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da PUC_RSinstname:Pontifícia Universidade Católica do Rio Grande do Sul (PUCRS)instacron:PUC_RS2025-06-12T15:00:15Zoai:tede2.pucrs.br:tede/11680Biblioteca Digital de Teses e Dissertaçõeshttp://tede2.pucrs.br/tede2/PRIhttps://tede2.pucrs.br/oai/requestbiblioteca.central@pucrs.br||opendoar:2025-06-12T15:00:15Biblioteca Digital de Teses e Dissertações da PUC_RS - Pontifícia Universidade Católica do Rio Grande do Sul (PUCRS)false
dc.title.none.fl_str_mv Predictive metric for optimal budget allocation in differential privacy
Métrica preditiva para alocação ótima de orçamento em privacidade diferencial
title Predictive metric for optimal budget allocation in differential privacy
spellingShingle Predictive metric for optimal budget allocation in differential privacy
Nunes, Henry Cabral
Differential Privacy
Anonymization
Privacy
Dataset
Metric
Summary Statistics
Differential Privacy
Anonimização
Privacidade
Dataset
Metrica
Estatísticas descritivas
CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO
title_short Predictive metric for optimal budget allocation in differential privacy
title_full Predictive metric for optimal budget allocation in differential privacy
title_fullStr Predictive metric for optimal budget allocation in differential privacy
title_full_unstemmed Predictive metric for optimal budget allocation in differential privacy
title_sort Predictive metric for optimal budget allocation in differential privacy
author Nunes, Henry Cabral
author_facet Nunes, Henry Cabral
author_role author
dc.contributor.none.fl_str_mv Zorzo, Avelino Francisco
http://lattes.cnpq.br/4315350764773182
dc.contributor.author.fl_str_mv Nunes, Henry Cabral
dc.subject.por.fl_str_mv Differential Privacy
Anonymization
Privacy
Dataset
Metric
Summary Statistics
Differential Privacy
Anonimização
Privacidade
Dataset
Metrica
Estatísticas descritivas
CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO
topic Differential Privacy
Anonymization
Privacy
Dataset
Metric
Summary Statistics
Differential Privacy
Anonimização
Privacidade
Dataset
Metrica
Estatísticas descritivas
CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO
description This work addresses the critical issue of budget allocation in Differential Privacy (DP) applications, specifically for scenarios where summary statistics are released. Our main objective is to develop a novel metric and scenario that leverages information about future data usage to optimize budget distribution. Effective budget distribution is pivotal in enhancing data utility without compromising privacy, a significant challenge in the DP field. We identify and exploit a gap related to the interactions between DP queries to improve data utility. Our metric is formally defined, and we apply it through a hypothetical scenario using synthetic data. The results indicate a substantial improvement in data utility while maintaining privacy. This study offers a valuable contribution to the DP field and opens avenues for future research and practical applications in real-world scenarios
publishDate 2024
dc.date.none.fl_str_mv 2024-08-28
2025-06-12T14:18:08Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://tede2.pucrs.br/tede2/handle/tede/11680
url https://tede2.pucrs.br/tede2/handle/tede/11680
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Pontifícia Universidade Católica do Rio Grande do Sul
Escola Politécnica
Brasil
PUCRS
Programa de Pós-Graduação em Ciência da Computação
publisher.none.fl_str_mv Pontifícia Universidade Católica do Rio Grande do Sul
Escola Politécnica
Brasil
PUCRS
Programa de Pós-Graduação em Ciência da Computação
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da PUC_RS
instname:Pontifícia Universidade Católica do Rio Grande do Sul (PUCRS)
instacron:PUC_RS
instname_str Pontifícia Universidade Católica do Rio Grande do Sul (PUCRS)
instacron_str PUC_RS
institution PUC_RS
reponame_str Biblioteca Digital de Teses e Dissertações da PUC_RS
collection Biblioteca Digital de Teses e Dissertações da PUC_RS
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da PUC_RS - Pontifícia Universidade Católica do Rio Grande do Sul (PUCRS)
repository.mail.fl_str_mv biblioteca.central@pucrs.br||
_version_ 1850041319487963136

Registros relacionados