I meccanismi misti migliorano la privacy differenziale gaussiana

I ricercatori hanno introdotto un nuovo tipo di metodo di rumore additivo chiamato meccanismi misti, che migliora l'utilità per la privacy differenziale (ε, δ) in query scalari a valori reali con sensibilità nota. Combinando diverse distribuzioni gaussiane che hanno la stessa varianza ma medie e pesi di miscelazione diversi, questi meccanismi superano il tradizionale metodo gaussiano analitico, specialmente in contesti con privacy da moderata a bassa. Queste distribuzioni possono essere viste come una miscela di una gaussiana a media zero e altre basate sulla sensibilità della query. Gli autori stabiliscono anche criteri rigorosi di varianza per (ε, δ)-DP e forniscono algoritmi efficaci per il calcolo. I meccanismi misti diminuiscono notevolmente i livelli di rumore attesi e le varianze rispetto all'opzione gaussiana analitica. Questo studio è accessibile su arXiv con il riferimento 2605.28078.