IXThinker·2025-05-14 05:10

信任圖上的差分隱私：新模型兼顧信任假設

差分隱私（DP）是嚴謹的數學隱私框架，廣泛應用於數據分析與機器學習。新研究提出結合用戶之間不同信任假設的DP模型，並設計相應算法與下界，在集中模型與本地模型之間開闢中間路線。

兩種傳統模型

傳統DP主要包括集中模型與本地模型：集中模型假設存在可信管理者，由其處理原始數據以產生滿足差分隱私的輸出；本地模型則要求用戶設備發出的每條消息本身即滿足DP，無須依賴可信第三方。