递归机制：迈向节点差分隐私与无限制连接 [完整版，草稿 0.1]

现有的差分隐私研究主要考虑对数据集进行聚合，其中每个条目对应一个需要保护的特定参与者。在许多情况下，用户可能对敏感数据库提出关系代数查询，并希望查询结果具有差分隐私的聚合特性。然而，当查询包含无限制连接（join）操作时，尚无已知工作能够发布此类聚合。这严重限制了现有差分隐私技术的应用，因为许多数据分析任务需要无限制连接。一个例子是图上的子图计数。现有的差分隐私子图计数方法仅解决边差分隐私问题，且仅限于非常简单的子图。在此之前，是否能在节点差分隐私下以合理的精度发布任何非平凡的图统计量仍是一个未决问题。在本文中，我们提出了一种新颖的差分隐私机制，用于发布敏感数据库上某些正关系代数计算结果的线性统计量的近似值。我们的机制支持无限制连接。近似答案的误差界限大致与查询的\emph{经验灵敏度}成正比——这是一个新概念，用于衡量当参与者从敏感数据库中撤回其数据时查询答案可能发生的最大变化。对于子图计数，我们的机制提供了第一个针对任何类型子图实现节点差分隐私的解决方案。