控制抽样方案中的隐私损失：分层抽样与整群抽样分析

抽样方案是统计学、调查设计和算法设计中的基本工具。差分隐私的一个基本结果是，在总体的简单随机样本上运行的差分隐私机制，比在全部总体上运行的相同算法提供更强的隐私保证。然而，在实践中，抽样设计通常比先前工作中处理的简单、数据独立的抽样方案更复杂。在这项工作中，我们将隐私放大结果的研究扩展到更复杂、数据依赖的抽样方案。我们发现，这些抽样方案不仅常常无法放大隐私，反而可能导致隐私退化。我们分析了普遍存在的整群抽样和分层抽样范式的隐私影响，并为更一般抽样设计的研究提供了一些见解。