Key points are not available for this paper at this time.
본 논문에서는 민감한 속성을 포함하는 데이터셋에서 평가된 카운트 쿼리(혹은 기타 정수 값 쿼리)에 응답하는 문제를 다룬다. 데이터셋의 개인 정보 보호를 위해 일반적인 방법은 실제 카운트에 연속적인 노이즈를 추가하는 것이다. 우리는 정수 값 노이즈를 추가하여 출력 결과가 정수를 유지할 수 있는 개별 프라이버시 메커니즘을 설계하였다. 유용성과 프라이버시 사이의 균형을 맞추기 위해, 우리는 진짜 카운트가 노이즈의 지원 크기의 절반 이하가 아닐 것이라는 가정 하에 잘못된 카운트를 공개할 확률에 따라 프라이버시 매개변수와 δ를 도출했다. 그런 다음, 우리의 메커니즘이 최근 문헌에서 제안된 이산 가우시안 메커니즘에 비해 더 높은 프라이버시 보장을 제공함을 수치적으로 입증하였다.
Sadeghi et al. (Sat,)은 이 질문을 연구하였다.