面向Pufferfish隐私的噪声降低：一种实用噪声校准方法
密码学与安全
2026-01-13 v1
摘要
本文提出一种放宽的噪声校准方法，以提高数据实用性同时实现Pufferfish隐私。本工作基于现有的1-Wasserstein(康托洛夫)机制，通过缓解导致过度噪声的过于严格条件，提出一种通用的机制设计算法作为解决方案。我们证明了与1-Wasserstein机制相比，本方法在所有隐私预算和先验信念下都总是存在严格的噪声降低，噪声降低(也代表数据实用性提升)在低隐私预算情况下的提升幅度显著增加——这在实际部署中常见。我们还分析了噪声降低在不同先验分布下的变动性和最优性。此外，在我们引入的极端1-Wasserstein机制中，若加性噪声最大，所有噪声降低的性质仍然存在。我们进一步表明，极端1-Wasserstein机制等价于-灵敏度方法。在三个真实数据集上的实验结果表明，数据实用性提升了47%至87%。
引用
@article{arxiv.2601.06385,
title = {Noise Reduction for Pufferfish Privacy: A Practical Noise Calibration Method},
author = {Wenjin Yang and Ni Ding and Zijian Zhang and Jing Sun and Zhen Li and Yan Wu and Jiahang Sun and Haotian Lin and Yong Liu and Jincheng An and Liehuang Zhu},
journal= {arXiv preprint arXiv:2601.06385},
year = {2026}
}