基于FFT的离散值机制与子采样高斯机制的紧差分隐私

我们提出了一种数值记账器，用于评估具有离散一维输出的算法的紧 $(\varepsilon,\delta)$-隐私损失。该方法基于隐私损失分布形式化，并使用了近期引入的基于快速傅里叶变换的记账技术。我们从隐私损失分布的矩界出发对该方法进行误差分析，从而得到真实 $(\varepsilon,\delta)$ 值的严格下界与上界。作为一个应用，我们给出了一种对子采样高斯机制进行精确隐私记账的新方法。这通过给出隐私参数的严格下界与上界，补全了先前提出的分析。我们在二项机制上展示了该记账器的性能，并表明在同等隐私下，与文献中现有界相比，我们的方法可将噪声方差降低至多75%。我们还说明了如何计算应用于计数查询的指数机制的紧界。