差分隐私下对统计过程的查询调整

我们考虑由某机构持有的数据集$S$，以及分析师将提出的感兴趣向量查询$f(S) \in \mathbb{R}^k$，其包含某些既定统计推断所需的信息。该机构使用著名的Gaussian机制发布带噪声的请求向量查询，以保证给定级别的差分隐私——DP$(\varepsilon,\delta)$。分析师可选择提出向量查询$f(S)$或通过合适的变换对其调整，使机构的响应更具信息量。对于机构决定的任何隐私级别DP$(\varepsilon,\delta)$，我们研究分析师可通过以合适的简单显式变换调整查询来实现更好统计推断的自然情形。