基于随机量化的通信高效拉普拉斯差分隐私机制

我们提出了第一种精确实现拉普拉斯机制（即向数据中添加拉普拉斯噪声）的方法，该方法仅需有限的通信量（而原始拉普拉斯机制需要传输一个实数），同时保证针对服务器和数据库的隐私。我们的机制可作为使用拉普拉斯机制的本地或集中式差分隐私应用的直接替代方案。我们的机制采用随机量化技术构建。与简单且普遍的“先拉普拉斯机制后量化”方法不同，我们机制中的量化不会导致任何失真或效用下降。与现有的用于模拟加性拉普拉斯噪声的抖动量化和信道模拟方案不同，我们的机制不仅保证针对数据库和下游的隐私，还保证针对诚实但好奇的服务器的隐私，该服务器试图利用抖动信号解码数据。