BlockRR：面向标签差分隐私的统一RR类算法框架

本文介绍了 BlockRR，这是一个用于标签差分隐私的新型统一随机响应机制。该框架在特定参数设置下将现有的 RR 类机制 generalizations 为特殊情况，消除了需要单独、按情况分析的需求。在理论上，我们证明了 BlockRR 满足 $\epsilon$-标签差分隐私。我们还基于来自标签先验信息推导的权重矩阵设计了一个分区方法；并行组成原则确保两种此类机制的组合仍满足 $\epsilon$-标签差分隐私。在实验上，我们在两个具有不同类别不平衡程度的 CIFAR-10 变体上评估了 BlockRR。结果表明，在高隐私和中等隐私区间（$\epsilon \leq 3.0$）时，我们的方法在测试准确率和每类准确率平均值之间获得了更好的平衡。在低隐私区间（$\epsilon \geq 4.0$）时，所有方法都将 BlockRR 简化为标准 RR，且不会产生额外的性能损失。