差分隐私下的直方图查询优化

差分隐私是一种鲁棒的隐私标准，已成功应用于一系列数据分析任务。尽管近期有许多工作，但回答一组相关查询的最优策略尚不清楚。我们研究了设计一组策略查询的问题，这些查询将被提交并私下回答，以支持给定工作负载查询的答案。我们提出了一个通用框架，其中查询策略由计数查询的线性组合形成，并描述了一种从策略查询答案中推导新查询答案的最优方法。利用该框架，我们从几何角度刻画了策略的误差，并提出了寻找最优策略的解决方案。