Войти
аналитика - 차등 프라이버시
최적의 이산 유한 집합 쿼리에 대한 차등 프라이버시 메커니즘
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.
가우시안 노이즈가 포함된 선택 메커니즘의 프라이버시
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.
차원 높은 쿼리 결과에 대한 차등 프라이버시 보장을 위한 새로운 메커니즘: 랭크-1 단일 다변량 가우시안 메커니즘
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.
Продукты | Ресурсы
© 2024 by Linnk AI