以2为底的差分隐私实现指数机制

尽管有出色的理论支撑，差分隐私（DP）在实践中实现仍具挑战。部分原因在于将任意或无限精度理论机制转换为浮点或定点精度的现实所带来的顾虑。从Mironov揭示使用浮点实现拉普拉斯机制的安全问题这一令人不安的结果开始，关于DP现实世界实现漏洞的诸多合理质疑被提出。本工作中，我们考察McSherry与Talwar指数机制实现的实用性。我们证明朴素或恶意实现可能导致灾难性隐私失效。为解决这些问题，我们展示该机制可对丰富的隐私参数$\varepsilon$取值集合与有限实际开销（运行时间）及最小代码复杂度的效用函数精确实现。我们如何取得该结果？我们采用从底$e$切换到底$2$的简单技巧，从而能执行精确的底$2$算术。$\varepsilon$总有一个简短精确的表达式，我们唯一产生的近似误差是将底$2$隐私参数转回底$e$以用于报告。该机制的核心底$2$算术可使用开源高精度算术库简单高效实现。此外，实现的精确性便于正确性监控与隐私证明。