在持续观察下区分无意识与自适应差分隐私
密码学与安全
2026-04-06 v2 数据结构与算法
摘要
我们解决了 Jain、Raskhodnikova、Sivakumar 和 Smith（ICML 2023）提出的开放问题，通过构造一个问题来区分在持续观察下无意识与自适应设置下的差分隐私。持续观察（即持续释放）模型形式化了针对流式算法的隐私，其中数据随时间接收，输出在每个时间步骤释放。在无意识设置下，隐私仅需对预先固定的数据流保持；在自适应设置下，隐私需要即使对于可以基于流式算法输出自适应选择的数据流也要成立。我们描述了首个显式区分无意识与自适应设置的分离问题。显示这种分离的题目基于 Bun、Steinke 和 Ullman（SODA 2017）提出的相关向量查询问题。具体而言，我们提出了一个 -DP 算法适用于无意识设置，在输入维度指数级的时间步骤上保持准确性。另一方面，我们证明了每个 -DP 自适应算法在仅释放常数数量的时间步骤后就无法保持准确性。
引用
@article{arxiv.2603.11029,
title = {Separating Oblivious and Adaptive Differential Privacy under Continual Observation},
author = {Mark Bun and Marco Gaboardi and Connor Wagaman},
journal= {arXiv preprint arXiv:2603.11029},
year = {2026}
}