残差-PAC隐私：超越高斯壁垒的自动隐私控制
密码学与安全
2026-01-13 v4
摘要
大概正确（PAC）隐私框架[46]提供了一种强大的基于实例的方法，用于在复杂的数据驱动系统中保留隐私。现有的PAC隐私算法（我们称之为Auto-PAC）依赖于高斯相互信息上界。然而，我们表明，这些算法获得的上界仅在扰动机制输出为均为共高斯且独立高斯噪声时才为紧密。我们提出两种方法：首先，我们引入两种基于Donsker-Varadhan表示和切片Wasserstein距离的可行后处理方法。然而，结果仍会浪费隐私预算。为更根本地解决此问题，我们提出残差-PAC（R-PAC）隐私，一种基于f-divergence的度量，用于量化作战推理后的隐私。为在实际中实现R-PAC隐私，我们提出堆栈尔伯格（Stackelberg）残差-PAC（SR-PAC）隐私机制，一种通过凸双层优化选择最优噪声分布的博弈论框架。我们的做法实现了对任意数据分布的高效隐私预算利用，并在多个机制访问数据集时自然组成。我们的实验表明，SR-PAC在隐私-效用权衡方面 consistently 优于PAC和差分隐私基准。
引用
@article{arxiv.2506.06530,
title = {Residual-PAC Privacy: Automatic Privacy Control Beyond the Gaussian Barrier},
author = {Tao Zhang and Yevgeniy Vorobeychik},
journal= {arXiv preprint arXiv:2506.06530},
year = {2026}
}