
이 논문은 이산 유한 집합 쿼리에 대한 최적의 노이즈 확률 질량 함수(PMF)를 설계하는 새로운 프레임워크를 제안합니다. 이 접근법은 프라이버시 제약을 충족시키면서도 쿼리 왜곡을 최소화하는 것을 목표로 합니다.


coremsg

최적의-이산-유한-집합-쿼리에-대한-차등-프라이버시-메커니즘


최적의 이산 유한 집합 쿼리에 대한 차등 프라이버시 메커니즘



가우시안 노이즈를 사용하는 Report Noisy Max와 Above Threshold 메커니즘에 대해 순수 차등 프라이버시 보장을 제공할 수 있다. 이를 위해 쿼리의 범위가 제한된다는 추가 가정이 필요하다.



가우시안 노이즈가 포함된 선택 메커니즘의 프라이버시



랭크-1 단일 다변량 가우시안 메커니즘은 기존 가우시안 메커니즘들에 비해 훨씬 작은 크기의 노이즈를 추가하여 차원 높은 쿼리 결과에 대한 차등 프라이버시를 보장할 수 있다.



차원 높은 쿼리 결과에 대한 차등 프라이버시 보장을 위한 새로운 메커니즘: 랭크-1 단일 다변량 가우시안 메커니즘
