The Privacy Bootstrap
隐私保护自助法AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究微观数据的扰动发布与一般分布恢复，未涉及所列领域中的特定模型或分布效应，证据不足以细分归类。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
隐私保护自助法
- 研究问题
- 如何在发布微观数据时兼顾个体隐私与估计效率，并利用受扰数据恢复原分布，同时保护原始观测的信息？
- 方法与思路
- 作者提出从原始经验分布自助抽样生成扰动噪声，使发布数据的分布近似成为原分布与自身的卷积，再研究分布恢复及估计效率。
- 材料陈述的贡献
- 摘要称原分布可以恢复而个体观测仍受保护；在合理损失度量下，隐私与效率的权衡呈双曲线形态，并报告了鼓舞性的模拟结果。
- 阅读关注点
- 核对自助抽样噪声的生成与发布方式、卷积分布的反演条件，以及隐私损失和估计效率的度量及模拟设计。
- 阅读边界
- 摘要未说明隐私保护的正式定义、噪声构造细节及分布恢复条件；不能据此确认满足特定隐私标准或评估实际泄露风险。
原文摘要
Methods for privacy protection of microdata include grouping and publication of data perturbed with random noise. The authors suggest a variant of the latter in which the noise is generated by bootstrapping from the original empirical distribution. The published data distribution then essentially consists of a convolution of a distribution with itself and the distribution can be recovered, although the individual observations remain protected. The authors explore the trade-off between privacy protection based on bootstrapping and the efficiency of estimation using the published data. For reasonable loss measures, the trade-off is hyperbolic in character. Some encouraging simulation results are reported.