“若曲线始终有统一线性包络 $\eta(\alpha)\le\rho\alpha$,可进一步用零集中 DP的单个 $\rho$ 保存整个包络。一般采样机制的曲线不是直线,压成一个数可能损失精度。”
形式陈述
机制
若第
当
直觉
RDP 可以画成横轴阶数
Gaussian 机制尤其适合这种表示。相邻查询差上界为
转换式的推导
从任意阶数的 RDP 转换,可取
令
例子与边界
先组合,再选择 delta
某个有界查询的灵敏度为
改为
反向设计也能直接计算。若给定最终
再将这个总
为什么不是纯 DP
高斯隐私损失无界,却满足有限 zCDP。因此
不同文献还使用带两个参数的集中隐私定义。阅读定理时要检查是否含有额外截距,不能只看到缩写 CDP 就把组合与转换式中的常数照搬。
推论与应用
将所有轮次的
自测:把单轮噪声标准差翻倍,
参考资料
- Bun 与 Steinke,“Concentrated Differential Privacy: Simplifications, Extensions, and Lower Bounds”,2016,Definition 1.1、Propositions 1.3、1.4、1.6 与 Lemma 1.7。