强制披露下的协和差分隐私

差分私有数据发布常需满足一组外部约束，这些约束反映了数据管理者所承担的法律、伦理与逻辑义务。当将约束的施行视为后处理时，会在私有化数据生成中增加一个额外阶段。在多阶段处理理论中众所周知，协和性（congeniality，各阶段间的一种程序兼容性）是终端用户直接获得统计有效结果的先决条件。协和差分隐私在理论上是严谨的，这促进了机制的透明性与可理解性，否则会被特设的后处理流程所破坏。我们主张通过标准概率条件作用于不变边际，将强制披露系统性地整合进隐私机制的设计中。条件作用自动带来协和性，因为任何额外的后处理阶段都变得不必要。我们为所提方案提供了初步的理论保证与一种马尔可夫链算法。我们还讨论了在比较协和差分隐私与基于优化的后处理时所出现的引人入胜的理论问题，以及进一步研究的方向。