设置 $\varepsilon$ 并非差分隐私的核心问题
密码学与安全
2026-01-21 v2 机器学习
摘要
本立场论文认为，在差分隐私中设置隐私预算不应被视为差分隐私相对于替代隐私保护机器学习方法的重要限制。所谓的隐私预算解释问题常被呈现为差分隐私在实际部署中广泛采纳的主要障碍，有时也被用来推广数据保护的替代缓解技术。我们认为这误导了决策者，使其选择不安全的方法。我们认为，解释隐私预算的困难并不源于差分隐私的定义本身，而是源于在具体情境下估计隐私风险的内在困难——这是任何严谨的隐私风险评估方法都会面临的挑战。此外，我们主张，任何健全的隐私风险估计方法，鉴于当前研究状态，都应能在差分隐私框架内表达，或说明为何不能。
引用
@article{arxiv.2511.06305,
title = {Setting $\varepsilon$ is not the Issue in Differential Privacy},
author = {Edwige Cyffers},
journal= {arXiv preprint arXiv:2511.06305},
year = {2026}
}
备注
NeurIPS Position Paper track 2025