数字隐私面临威胁：挑战与应对措施

《ACM Computing Surveys》：Digital Privacy Under Attack: Challenges and Enablers

隐私攻击与防护研究框架

　　

摘要

我们针对数据驱动系统中的隐私攻击及其对策进行了全面分析。我们将攻击分为三类：匿名数据（关联攻击和结构攻击）、统计聚合数据（重构攻击和差分攻击）以及隐私保护模型（提取攻击、重构攻击、成员推断攻击和逆向攻击）。对于每一类攻击，我们分析了其攻击方法、对手的能力以及潜在的漏洞机制。此外，我们还评估了各种对策的有效性，包括扰动技术、随机化方法、查询审计以及模型级防御措施，并探讨了它们在隐私保护与数据利用之间的权衡。我们的分析表明，尽管差分隐私在理论上有很强的保障，但在实际应用中仍面临诸多挑战，并且容易受到新型攻击的威胁。我们指出了关键的研究方向，并为研究人员和从业者提供了一个结构化的框架，以帮助他们理解在日益复杂的数据生态系统中如何实现隐私保护。