指数机制的最优差分隐私组合及自适应代价
密码学与安全
2020-06-26 v2 数据结构与算法
摘要
组合性是差分隐私（DP）最重要的性质之一，因为它允许算法设计者由 DP 基元构建复杂的私有算法。我们考虑 DP 中基础机制类之一的指数机制在整体隐私损失上的精确组合界。我们给出了自适应与非自适应设定下最优隐私损失的显式表述。对于各机制具有相同隐私参数的非自适应设定，我们给出了可高效计算的最优隐私损失表述。此外，我们表明当指数机制被自适应选择与非自适应选择时隐私损失存在差异。据我们所知，此前未知对于具有固定隐私参数的任何 DP 机制是否存在此类差距，而我们在一类广泛使用且自然的机制设定中展示了该差距。随后我们改进了此前已知最好的指数机制自适应组合上界，给出可高效计算的表述并显示了改进。
引用
@article{arxiv.1909.13830,
title = {Optimal Differential Privacy Composition for Exponential Mechanisms and the Cost of Adaptivity},
author = {Jinshuo Dong and David Durfee and Ryan Rogers},
journal= {arXiv preprint arXiv:1909.13830},
year = {2020}
}