多数据所有者场景下外包 k-NN 的隐私保护探索
Exploring Privacy Preservation in Outsourced K-Nearest Neighbors with Multiple Data Owners
AI 导读
作者称首次提出并探索多数据所有者场景下外包 k-NN 系统的隐私保护。研究发现，在一种覆盖大量场景的实用威胁模型下，存在一组自适应攻击可突破任何精确 k-NN 系统的数据隐私，根源是 k-NN 及其输出的数学性质。作者提出以与 k-NN 同族的高斯核核密度估计作为隐私保护替代方案，并探索其他威胁模型下的对策，多通过扩展既有单数据所有者方案实现。