研究人员开发了一种新的方法，为举报人提供合理否认保障，以应对阻碍举报的报复威胁。所提出的框架通过确保审计选择记录的每份报告 $(0, \delta)$-差分隐私，来形式化对抗强大对手的保护。该方法将私有审计简化为私有持续计数，在某些条件下提供了改进的噪声缩放和选择误差消失。 AI
影响 这项研究可能导致更安全、更私密的举报组织不当行为的系统，并可能影响各行业敏感数据的处理方式。
排序理由 该集群包含一篇在 arXiv 上发表的学术论文，详细介绍了新的隐私保障理论框架和机制。[lever_c_demoted from research: ic=2 ai=0.4]
- $(0, \delta)$-differential privacy
- arXiv
- computer science
- Cryptography and Security
- Hugging Face
- private continual counting
- Randomized Response
- Whistleblowers
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
