中位数估计的可验证指数机制

差分隐私（DP）是数据分析和机器学习中广泛采用的严格隐私标准。然而，其保证依赖于正确引入随机噪声——这一假设可能因实现中存在故障或由不可信分析师操控而不成立。为解决此问题，我们提出了首个使用zk-SNARKs实现的指数机制可验证实现。作为具体应用，我们present了首个可验证的差分隐私（DP）中位数估计方案，该方案利用这一构造确保隐私和可验证性。我们的方法将指数机制和中位数的效用函数编码为算术电路，采用缩放逆CDF技术进行采样。该设计使我们能够通过密码学手段验证所报告输出是否遵循预期的DP机制，从而在不透露敏感数据的情况下，确保隐私和完整性。