Separando la Privacidad Diferencial Local y Mezclada a través de Histogramas

Trabajos recientes en privacidad diferencial han destacado el modelo mezclado como una vía prometedora para calcular estadísticas precisas mientras se mantiene los datos en bruto en manos de los usuarios. Presentamos un protocolo en este modelo que estima histogramas con un error independiente del tamaño del dominio. Esto implica una brecha arbitrariamente grande en la complejidad de la muestra entre los modelos mezclados y locales. Por otro lado, mostramos que los modelos son equivalentes cuando imponemos las restricciones de privacidad diferencial pura y aleatorizadores de un solo mensaje.