面向分层起止数据的数据隐私释放：一种自上而下方法

本文提出了一种新方法，用于生成针对分层数据的差分隐私表格数据集，具体聚焦于起止(O/D)行程。该方法基于美国普查局开发的TopDown算法，这是一种用于纳入不变查询的约束基机制。起止分层数据指表示 geographical areas 之间旅程的数据集，这些区域按层级结构组织(例如 region $\rightarrow$ province $\rightarrow$ city)。新方法旨在提高覆盖更广地理区域查询的准确性，这些查询通过聚合派生。该特性为数据集提供了"放大"效果，确保在放大回去时，整体图景得以保留。此外，该方法旨在减少虚假阳性检测。这一特征可增强实践者和决策者采信差分隐私数据集的信心。本文的主要技术贡献包括采用切比雪夫距离最小化的受约束优化的新型TopDown算法，以及对最大绝对误差的理论保证。我们还提出一种新的整数优化算法，显著减少虚假阳性的发生。使用真实数据集和合成O/D数据集验证了所提方法的有效性，表明其能够生成高实用性且虚假阳性较少的私有数据。我们的实验聚焦于将单个旅程作为隐私单元：尽管如此，所提方法支持其他隐私单元，也适用于具有层级结构的任何表格数据。