Preserving differential privacy under finite-precision semantics

تقریبی که با نمایش دقیق داده های مداوم توسط داده های مستمر ارائه شده می تواند نشت اطلاعات خودسرانه را حتی زمانی که محاسبات با استفاده از معانی دقیق امن است، منجر شود. چنین نشتی می تواند تلاش های طراحی با هدف محافظت از اطلاعات حساس را تضعیف کند. ما در اینجا بر روی حریم خصوصی دیفرانسیل، یک رویکرد به حریم خصوصی که از منطقه پایگاه های آماری پدید آمده است تمرکز می کنیم و در حال حاضر به طور گسترده ای در سایر زمینه ها نیز کاربرد دارد. در این رویکرد، حریم خصوصی با افزودن سر و صدا به مقادیر مرتبط با داده های خصوصی محافظت می شود. مکانیزم های معمولی که برای رسیدن به حریم خصوصی دیفرانسیل مورد استفاده قرار می گیرند، در مورد ایده آل که در آن محاسبات با استفاده از معانی انتساب بی نهایت انجام می شود، درست شده است. در این مقاله، وضعیت در سطح پیاده سازی را تجزیه و تحلیل می کنیم، در حالیکه معناشناسی لزوما توسط دقت محدود، یعنی نمایندگی از اعداد واقعی و عملیات بر روی آنها، بر اساس برخی از دقت، گرد می شود. ما نشان می دهیم که به طور کلی نقض دارایی حریم خصوصی دیفرانسیل وجود دارد و شرایطی را بررسی می کنیم که در آن ما هنوز می توانیم یک محدودیت (اما، مسلما قابل قبول) از اموال را فقط تحت یک تخریب جزئی از سطح حریم خصوصی تضمین کنیم.