每條記錄的不同隱私

通常，差分隱私以互動方式向查詢結果添加雜訊，例如總和或平均值。

有什麼方法可以實現差分隱私，以便以非互動方式添加噪音，逐條記錄？

提前致謝

是的，典型的例子是隨機響應：當使用敏感的是/否問題進行調查時（例如，“您目前是居住在美國的無證移民”），您要求每個受訪者先擲硬幣。如果硬幣碰到反面，你告訴他們隨機回答（通過擲第二個硬幣），否則，請他們誠實回答。然後，您刪除 25% 的“是”答案以考慮隨機回答的人，您會得到一個具有不同隱私的嘈雜總數。

它對應於這種“為每條記錄添加噪音”而不是為最終結果（在本例中為非法移民總數）添加噪音的想法。主要優點是您不需要擁有所有“真實”數據的可信第三方。主要缺點是對於相同的隱私屬性，結果雜訊更大。

您可以使用這種隨機響應的想法計算更複雜的統計數據。例如，諸如“哪些網站最常用作 Google Chrome 中的首頁”之類的內容是使用RAPPOR計算的。該方法在他們的論文中有所描述。

最近，Vincent Bindschaedler、Reza Shokri 和 Carl Gunter 詳細介紹了一種從真實數據生成合成數據集的通用方法，並具有不同的隱私保證。這並不完全是“逐條添加雜訊記錄”，但它類似於發布不僅僅是雜訊統計數據，而是可用於數據探勘的完整數據集的想法。

引用自：https://crypto.stackexchange.com/questions/44052