隐私保护合成数据生成中的隐私度量综述

隐私保护合成数据生成（PP-SDG）已兴起，旨在从个人数据中生成合成数据集，同时保持隐私和效用。差分隐私（DP）是PP-SDG机制的一种属性，它确立了在共享敏感数据时个体受保护的程度。然而，DP所表达的隐私损失（ε）难以解释。为了使与隐私损失相关的实际风险更加透明，已提出了多种隐私度量（PMs）来评估数据的隐私风险。这些PMs在单独的研究中被用于评估新引入的PP-SDG机制。因此，这些PMs体现了与它们所评估的PP-SDG机制相同的假设。因此，有必要对这些度量的计算方式进行彻底的定义。在这项工作中，我们介绍了17种不同隐私度量的假设和数学公式。