在上期技术视点中，我们为大家带来了以太坊 Eth2的规范 v1.0，这一里程碑事件标志着 Eth2阶段主网即将正式开启。本期技术视点，我们将介绍差分隐私这一较为成熟的隐私保护手段，并分步解释其采用的随机化技术。
自2001年起，知名科技评论期刊《MIT Technology Review》每年都会发布全球十大突破性技术，关注技术的商业应用潜力以及技术对人类社会生活的重大影响，这也被认为是投资和技术应用领域的风向标。今年年初，2020年“全球十大突破性技术”亦如约而至，差分隐私和数字货币都出现在了这份榜单上。
上个月，我国央行数字货币 DC/EP 在深圳落地，这将成为数字经济发展的重大推力。数字经济的发展也要求数据生态建设基础设施的逐步完善。在数据大规模协作的今天，数据在采集、存储、提取、挖掘、分析和展现等各个流程中都需要进行隐私保护，以防止个体信息泄漏，从而对个人造成不必要的伤害。
1
差分隐私保护
一般来说，隐私只针对个体用户，而不针对用户群体。隐私保护只需要保护个体用户的属性，而无需保护用户群体的属性。通过对公开的用户群体数据进行分析也无法推测出个体用户的信息。
在讨论隐私数据保护时，一般涉及到两种情况
- 某公司为了学术研究和数据交流等需要，开放用户数据。其他机构或者个人可以向公开的数据库发起查询请求，返回的查询结果应保证用户隐私；
- 某公司作为服务提供商，为了提高服务质量，主动收集用户数据。这些通过客户端收集的数据也需要保证用户隐私。
如何保护隐私是信息时代以来的一直讨论的热点。抹去用户唯一识别信息的做法曾被 Netflix 和 AOL 等公司采用来发布信息。事实证明，这种做法无助于隐私保护。人们可以通过背景信息的关联来取得隐私信息。
学术上，有很多隐私保护的方法被提出。例如，-anonymity、-diversity、-closeness、-differential privacy、加密、零知识证明等。其中，差分隐私技术是一种较为成熟的隐私保护手段。差分隐私的提出是为了应对差分攻击。举个例子来说，通过应用差分隐私保护技术。攻击者即使知道100个人的平均薪水和其中99人的平均薪水，他也不能通过对比（差分）这两个信息来获得另外1个人的薪水信息。
差分隐私保护技术主要通过加入随机性来完成。进一步说，对于只有相差一条记录的两个数据集来说，加入随机性，来使得查询他们获得结果相同的概率非常接近。这里，并不能保证概率相同。因为如果概率相同，那么数据就需要完成随机化，公开数据也将变得不可用。差分隐私采用的随机化技术，需要在隐私保护和数据可用性之间达成一个平衡。
2
RAPPOR
RAPPOR（Randomized Aggregatable Privacy-Preserving Ordinal Response），是 Google 推出的隐私保护统计平台。在这里，我们以 RAPPOR 为例，分析如何实现差分隐私。RAPPOR 的示例代码可以在 GitHub 上找到。
RAPPOR 分为两部分，客户端和服务器端。客户端以用户真实的隐私数据为输入，经过两次随机化过程生成随机化响应，并把其发送给服务器端。服务器在收到大量客户端的随机化响应后，利用统计分析工具做统计分析。
2.1
客户端
假设用户的真实数据为，客户端使用一个哈希个数为，大小为的 bloom 过滤器。客户端的处理过程如下：
- 映射。将映射到 bloom 过滤器中，得到；
- 永久随机化。假设概率，对于0<i<k，设置
- 即时随机化。假设概率和，设置满足
- 发送。客户端将（大小为）发送给服务器端
在某些场景下，可以简化客户端的过程来获得更高的效率
- One-time RAPPOR. 在一次性收集的场景中，不需要永久化的隐私保护。因此，可以去掉即时随机化过程；
- Basic RAPPOR. 如果被收集的字符串集合相对较小而且定义明确，那么可以省略 bloom 过滤器，而让每一个值映射到每个位上。例如，收集的是性别，那么可以定义“男”映射到第0位并置1，“女”映射到第1位并置1。即，用一个确定性的映射代替 bloom 过滤器。此时，h=1；
- Basic One-time RAPPOR. 上述两种的结合，采用一次性收集的方式，并采用确定性的映射方法。
未完待续...
