On the trade-off between privacy and utility in statistical data analysis

  • In dieser Arbeit beschäftigen wir uns mit dem Zielkonflikt, der bei der Durchführung genauer statistischer Analysen sensibler Daten unter starken Datenschutzgarantien entsteht. Wir konzentrieren uns dabei auf das Paradigma der Differential Privacy (DP) und betrachten eine Reihe von herausfordernden Problemen im Zusammenhang mit Datenanalyse und maschinellem Lernen. Wir betrachten das Problem der Veröffentlichung von ganzzahligen Partitionen unter DP und beweisen eine untere Schranke des Minimax-Risiko für jeden Mechanismus, der DP erfüllt. Wir formulieren allgemeine Bedingungen, unter denen der Exponentialmechanismus bezüglich des erwarteten Fehlers beweisbar optimal ist. Wir schlagen einen generischen Mechanismus für die Veröffentlichung von Funktionen unter DP vor. Schließlich betrachten wir ein verteiltes Modell, bei dem sich die Nutzer der Datenbank nicht auf eine vertrauenswürdige zentrale Einheit verlassen können und daher selber für den Schutz ihrer Daten verantwortlich sind.

Download full text files

Export metadata

Additional Services

Share in Twitter Search Google Scholar
Metadaten
Author:Francesco AldàGND
URN:urn:nbn:de:hbz:294-57889
Referee:Hans Ulrich SimonORCiDGND, Alexander MayORCiDGND
Document Type:Doctoral Thesis
Language:English
Date of Publication (online):2018/06/28
Date of first Publication:2018/06/28
Publishing Institution:Ruhr-Universität Bochum, Universitätsbibliothek
Granting Institution:Ruhr-Universität Bochum, Fakultät für Mathematik
Date of final exam:2017/12/15
Creating Corporation:Fakultät für Mathematik
GND-Keyword:Datenanalyse; Maschinelles Lernen; Algorithmische Lerntheorie; Randomisierter Algorithmus; Datenschutz
Institutes/Facilities:Lehrstuhl Mathematik & Informatik
Dewey Decimal Classification:Naturwissenschaften und Mathematik / Mathematik
faculties:Fakultät für Mathematik
Licence (German):License LogoKeine Creative Commons Lizenz - es gelten der Veröffentlichungsvertrag und das deutsche Urheberrecht