الخصوصية التفاضلية على الرسوم البيانية الثقة

الخصوصية التفاضلية (DP) هي إطار خصوصية صارم ودراسة على نطاق واسع يضمن أن إخراج خوارزمية عشوائية لا يزال لا يمكن تمييزه إحصائياً حتى لو تغيرت بيانات المستخدم الواحد. تمت دراسة هذا الإطار على نطاق واسع في كل من النظرية والممارسة ، مع العديد من التطبيقات في التحليلات والتعلم الآلي (على سبيل المثال ، 1 ، 2 ، 3 ، 4 ، 5 ، 6 ، 7).

النموذجان الرئيسيان من موانئ دبي هما النموذج المركزي و نموذج محلي. في النموذج المركزيو يمكن للمنسق الموثوق الوصول إلى البيانات الأولية وهو مسؤول عن إنتاج إخراج خاص تفاضلي. يتطلب النموذج المحلي أن تكون جميع الرسائل المرسلة من جهاز المستخدم هي نفسها خاصة ، مما يزيل الحاجة إلى منسق موثوق به. في حين أن النموذج المحلي جذاب بسبب الحد الأدنى من متطلبات الثقة ، فإنه غالبًا ما يأتي مع تدهور فائدة أعلى بكثير مقارنة بالنموذج المركزي.

في سيناريوهات تبادل البيانات في العالم الحقيقي ، غالبًا ما يضع المستخدمون مستويات مختلفة من الثقة في الآخرين ، اعتمادًا على علاقاتهم. على سبيل المثال ، قد يشعر شخص ما بالراحة لمشاركة بيانات موقعه مع الأسرة أو الأصدقاء المقربين ، لكنه يتردد في السماح للغرباء بالوصول إلى نفس المعلومات. يتماشى هذا التباين مع الآراء الفلسفية للخصوصية كعنصر تحكم في المعلومات الشخصية ، حيث يحدد الأفراد مع من هم على استعداد لمشاركة بياناتهم. تبرز تفضيلات الخصوصية الدقيقة هذه الحاجة إلى الأطر التي تتجاوز الافتراضات الثنائية الثنائية للنماذج الخاصة الموجودة التفاضلية ، وتسليم ديناميات الثقة الأكثر واقعية في أنظمة الحفاظ على الخصوصية.

في “الخصوصية التفاضلية على الرسوم البيانية الثقة” ، تم نشرها في الابتكارات في مؤتمر علوم الكمبيوتر النظري (ITCS 2025)، نستخدم رسم بياني ثقة لنموذج العلاقات ، حيث تمثل الرؤوس المستخدمين ، وتثق القمم المتصلة ببعضها البعض (انظر أدناه). نستكشف كيفية تطبيق DP على الرسوم البيانية الثقة هذه ، مع التأكد من أن ضمان الخصوصية ينطبق على الرسائل المشتركة بين المستخدم (أو جيرانهم الموثوق بهم) وكل شخص آخر لا يثقون به. على وجه الخصوص ، توزيع الرسائل التي تبادلها كل مستخدم ش أو أحد جيرانهم مع أي مستخدم آخر غير موثوق به ش يجب أن تكون لا يمكن تمييزها إحصائيًا إذا كانت المدخلات التي يحتفظ بها ش التغييرات ، التي نسميها الرسم البياني الثقة DP (TGDP).