N 输出机制：在局部差分隐私下从数值数据估计统计信息
密码学与安全
2025-10-14 v1
摘要
局部差分隐私（LDP）解决了敏感数据收集中的显著隐私问题。本文聚焦于LDP下的数值数据收集，针对文献中显著的空白：现有LDP机制针对非常小（）或无限输出空间进行优化，但不存在针对任意输出大小 的最优机制通用方法。为填补这一空白，我们提出了“N 输出机制”，一种将数值数据映射到一个由 个离散输出组成的通用框架。我们将机制设计建模为最小化给定 的估计方差的优化问题，并开发了数值和解析解。结果表明，该机制在设计上高度准确且具有适应性，其设计由针对任意选定 的求解决定。此外，我们扩展了本框架和现有机制，用于分布估计任务。实证评估表明，N 输出机制在均值、方差和分布估计方面实现了最新精度，同时保持较小的通信成本。
引用
@article{arxiv.2510.11116,
title = {N-output Mechanism: Estimating Statistical Information from Numerical Data under Local Differential Privacy},
author = {Incheol Baek and Yon Dohn Chung},
journal= {arXiv preprint arXiv:2510.11116},
year = {2025}
}