最短路径上的差分隐私范围查询

我们考虑图上的差分隐私范围查询，其中查询范围定义为图的最短路径上的边集合。图中的边带有敏感属性，目标是报告最短路径上这些属性的总和（用于计数查询）或属性中的最小值（用于瓶颈查询）。我们使用差分隐私来确保这些查询答案的发布能保护敏感边属性的隐私。我们的目标是在给定隐私预算下开发使报告答案的加性误差最小化的机制。本文给出了最短路径上私有范围查询的非平凡结果。对于计数范围查询，我们能在 $\varepsilon$-DP 下实现 $\tilde O(n^{1/3})$ 的加性误差，在 $(\varepsilon, \delta)$-DP 下实现 $\tilde O(n^{1/4})$ 的加性误差。我们提出两种算法，通过仔细平衡直接加到边属性上的扰动与加到范围查询答案子集（可用于其他范围查询）上的扰动来控制最终误差。瓶颈范围查询较简单，使用标准技术即可用多对数加性误差回答。