纯差分隐私查询发布新算法提出

Zongrui Zou 提出一种基于拉普拉斯输入平滑的纯 ε-差分隐私查询发布算法，用于离线同时回答 k 个统计查询。论文称，该算法以至少 1-β 的概率使所有查询的误差为 O(min{1, sqrt(log(d/β)log k/(Nε))})，输出数据全域上的合成直方图，运行时间对数据规模 N、域大小 d 和查询数 k 均为多项式。 上述误差与概率为保证值，来自论文自身的表述；算法在纯差分隐私下运行，不额外引入近似差分隐私参数。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。