ReBound: Privasi Sadar-Guna-Ulang untuk Dukungan Keputusan Interaktif

Kerangka dukungan keputusan diferensial-privat menjawab kueri ambang agregat kompleks dengan batas formal pada tingkat false negative dan false positive. Namun, kerangka ini memperlakukan setiap kueri secara independen, tanpa memori atas hasil sebelumnya. Dalam analisis interaktif dunia nyata, analis mengajukan rangkaian kueri terkait yang menyempurnakan batas, menyesuaikan ambang, atau menurunkan fungsi baru dari yang sebelumnya. Independensi ini menyebabkan konsumsi anggaran privasi yang tidak perlu dan utilitas yang berkurang. ReBound mengatasi celah ini dengan menggunakan ulang hasil yang di-cache dari kueri sebelumnya untuk menjawab kueri baru dengan biaya privasi tambahan yang berkurang atau nol, sambil mempertahankan jaminan utilitas formal. Pekerjaan ini dimotivasi oleh kebutuhan akan dukungan keputusan interaktif yang efisien dan menjaga privasi, tempat analis mengeksplorasi data secara iteratif.

Penulis mengevaluasi ReBound pada beban kerja dukungan keputusan interaktif, menunjukkan penghematan anggaran privasi yang signifikan dan utilitas yang meningkat. Dengan menggunakan ulang hasil yang di-cache, ReBound menjawab rangkaian kueri terkait dengan biaya privasi tambahan yang berkurang atau nol, sambil mempertahankan jaminan formal false negative dan false positive. Graf cache memungkinkan pencarian efisien, dan mekanisme negosiasi berhasil menangani permintaan batas yang tidak layak dengan mengusulkan alternatif yang dapat dicapai. Hasil eksperimen menunjukkan bahwa ReBound mengungguli pendekatan baseline yang memperlakukan setiap kueri secara independen, terutama dalam skenario dengan banyak kueri terkait. Kerangka ini mempertahankan jaminan utilitas formal dari sistem dukungan keputusan diferensial-privat yang mendasarinya, memastikan tingkat false negative dan false positive tetap dalam batas yang ditentukan.