多中心差分隐私

差分隐私通常在中心模型中研究，其中可信的“聚合器”持有所有个体的敏感数据并负责保护其隐私。一个流行的替代方案是本地模型，其中聚合器不可信，而是由每个个体负责自身的隐私。本地模型的去中心化隐私保证在统计效用或计算复杂度上代价高昂。因此，人们研究了如洗牌模型和泛隐私等中间模型，试图兼得两者之长。在本札记中，我们提出一种差分隐私的中间信任模型，称之为多中心模型。此处存在多个聚合器，且仅假设它们不进行恶意串通。该模型放宽了中心模型的信任要求，同时避免了本地模型的代价。我们阐明了该模型的动机并为其提供了一些简单高效的算法。我们认为该模型是进一步研究的一个有前景的方向。