面向在线查询回答的多分析者差分隐私

大多数差分隐私机制是为单一分析者使用而设计的。然而在现实中，往往存在多个具有不同且可能冲突优先级的利益相关者，必须共享同一隐私损失预算。这催生了多分析者差分隐私的公平预算共享问题。我们此前的工作定义了该领域中任何机制都应满足的需求，并引入了在查询预先已知的离线情形下的预算共享方法。我们将此前关于多分析者差分隐私查询回答的工作扩展到在线查询回答情形，其中查询逐个到达，且必须在不知晓后续查询的情况下予以回答。我们证明，在线情形下查询的未知顺序导致了在满足上述需求的前提下所能回答查询数量的根本限制。为此，我们设计了两种机制：一种在所有情形下均满足需求但受限于该根本限制；另一种通过对输入顺序进行随机化，确保现有在线查询回答机制能够满足需求。