個別局所差分プライバシー

https://arxiv.org/abs/1907.11908 内容 Introduction pass Local Differential Privacy 乱択アルゴリズム$ \mathcal{K} $が $\epsilon$-Differential Privacyを満たすとは、最大で１つ要素が異なる２つのデータセット$ D_1, D_2 $に対して、任意の部分集合$ S \subseteq Range(\mathcal{K}) $に対して以下が成り立つことを言う。 \begin{equation} \frac{Pr[\mathcal{K}(D_1) \in S]}{Pr[\mathcal{K}(D_2) \in S]} \leq e^\epsilon \end{equation} 筆者注：差分プライバシーの設定は以下