PCA加本地差分隐私的农业数据共享框架，在真实数据集上以约5.33%平均精度损失换取隐私保护
核心概要
该工作提出一个面向数字农业的隐私保护数据共享与协作框架，将主成分分析（PCA）降维与基于拉普拉斯噪声的本地差分隐私（ε-LDP）结合，在沙箱环境中聚合农民数据并用K-Means聚类和最近邻算法推荐潜在合作者，使研究者可在联邦学习或聚合隐私数据上训练个性化模型；在Wisconsin Farmer's Market与Crop Recommendation两个真实数据集上验证，模型精度与集中式原始数据训练相比平均损失约5.33%，并通过power分析评估对成员推断等攻击的鲁棒性。
深度剖析
提出将PCA降维与拉普拉斯噪声本地差分隐私组合的隐私保护机制，用于保护农民敏感农业数据并防止原始数据集被重建。 既有农业数据平台（如Farm2Facts、Local Line、Open Food Network）收集大量农业数据但缺乏隐私保护协作机制，本文首次将降维与差分隐私组合用于农业协作研究场景。 论文给出形式化安全定理与证明，将框架安全性归约为ε-LDP机制的安全性，证明在PPT半诚实敌手模型下真实世界与理想世界视图计算不可区分；并在真实数据集上通过power分析评估对成员推断攻击的鲁棒性。
框架通过K-Means聚类和最近邻算法识别并分组具有相似特征的农民，支持农民之间以及研究者与农民之间的合作者推荐。 以往研究多聚焦于保护智能设备免受外部攻击，较少提供面向多样化小中型农场的隐私保护协作框架；本文在隐私保护基础上增加了合作者发现与网络形成功能。 在Wisconsin Farmer's Market数据集和Crop Recommendation数据集上展示了PCA变换后的K-Means聚类结果，并将作物推荐数据集划分为五个分布式农民市场和一个全局数据集进行模拟实验。
研究者可在识别出的合作者数据上通过联邦学习训练个性化模型，或直接在聚合的隐私保护数据上训练模型，且精度与集中式训练可比。 该框架使研究者无需直接访问农民私有数据即可训练机器学习模型，所有分析仅使用农民提交的差分隐私输出。 在Wisconsin Farmer's Market数据集上，逻辑回归、朴素贝叶斯和SVM在集中式数据上的精度分别为99.6%、98.3%、99.5%，在聚合隐私数据上分别为92.1%、93.8%、95.5%，平均精度损失5.33%；并给出联邦学习模型精度随ε隐私预算变化的图示。
通过power指标（正确识别噪声样本的比例）在FPR为5%条件下评估隐私与效用的权衡，确定各模型的最优ε值。 将隐私评估的power分析与多种分类器的效用评估结合，为选择兼顾隐私保护与数据可用性的ε值提供依据。 在Crop Recommendation数据集上，逻辑回归、朴素贝叶斯和SVM的最优ε值分别为25、35、35；在Farmer's Market数据集上也进行了对应的power与精度分析。
启示与展望
该框架面向需要共享敏感农业数据以开展协作研究的农民与研究者，设计为部署在云平台上的Web沙箱环境，包含数据聚合、聚类和过滤等操作。它适用于研究者识别目标农民的合作者并通过联邦学习训练个性化模型，也适用于农民基于农场特征相似性寻找合作者。框架在农民可信、研究者和服务器为诚实但好奇、且各方不串通的假设下运行，适用于数据收集相对一致且质量较高的场景。
论文指出差分隐私技术的计算需求可能对资源受限的农场构成采纳障碍，且框架依赖一致且高质量的输入数据，在数据收集不一致或不易获取的地区效果可能受限。未来工作方向包括提升可扩展性与适应性、整合区块链等去中心化数据共享机制以及引入实时数据处理。此外，本次读取的文本为不完整版本，部分图表（如联邦学习精度随ε变化的图6、图7）的具体数值未在文本中完整呈现，读者若需精确的隐私-效用曲线应查阅原文图表。