研究人员已证明二叉树机制是近似差分隐私连续计数的最佳方法。该机制在使用高斯噪声时，实现的预期 $\ell_\infty$ 误差与流长度 $n$ 的 $\log^{3/2} n$ 成正比。研究表明，任何用于此任务的差分隐私机制都必须具有类似的误差界限，从而证实了二叉树机制在近似差分隐私设置中的渐近最优性。 AI
影响 为隐私保护数据流分析建立了理论极限，可能影响未来的算法设计。
排序理由 一篇在arXiv上发表的学术论文，详细介绍了一个理论计算机科学问题。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2607.00876v1 Announce Type: cross Abstract: Private continual counting is a fundamental problem in differential privacy: given a binary stream of length $n$, where each $1$ corresponds to the contribution of one individual, the goal is to release all running counts while pr…
Private continual counting is a fundamental problem in differential privacy: given a binary stream of length $n$, where each $1$ corresponds to the contribution of one individual, the goal is to release all running counts while protecting the privacy of each individual. The stand…