保护你的评分：具有差分隐私保证的接触者追踪

2020 年和 2021 年的大流行造成了巨大的经济和社会后果，研究表明接触者追踪算法在早期遏制病毒方面可发挥关键作用。尽管在开发更有效的接触者追踪算法方面已取得长足进展，但我们认为目前的隐私担忧阻碍了其部署。接触者追踪算法的本质在于风险评分的通信。然而，对手恰恰可以利用向用户传达和发布该评分的过程，来推测个人的私密健康状况。我们明确了一个现实的攻击场景，并提出了一种具有差分隐私保证的接触者追踪算法以抵御此类攻击。该算法在两种最广泛使用的基于智能体的 COVID19 模拟器上进行了测试，并在广泛的环境中展现出卓越性能。特别是在现实的测试场景中，且在以 epsilon=1 的差分隐私发布每个风险评分的情况下，我们实现了病毒感染率两到十倍的降低。据我们所知，这是首个在揭示 COVID19 风险评分时提供差分隐私保证的接触者追踪算法。