【差分隐私相干概念】底子合成定理和高级合成技能简单关系

差分隐私中的合成定理用于分析多个机制组适时的隐私丧失。底子合成定理和高级合成技能分别在差别场景下提供了隐私预算增长的估计，其关系如下：
底子合成定理（线性增长）

• 机制组合：当k个满意(ε, δ)-DP的机制按序次组适时（无论是否自顺应），总隐私参数为：
  ε总=kε,δ总=kδ.\varepsilon_{\text{总}} = k\varepsilon, \quad \delta_{\text{总}} = k\delta.ε总​=kε,δ总​=kδ.
  
• 特点：隐私预算随k线性增长，实用于一样平常情况（包罗自顺应组合），但效果较为宽松，尤其在k较大时大概不实用。
  

高级合成技能（次线性增长）

• 自顺应组合优化：针对k次自顺应的(ε, δ)-DP机制（通常要求每个机制的ε较小），高级组合定理（如Dwork et al.）给出更紧的隐私丧失上界：
  ε总=ε2kln⁡(1/δ′)+kε2,δ总=kδ+δ′,\varepsilon_{\text{总}} = \varepsilon \sqrt{2k \ln(1/\delta')} + k\varepsilon^2, \quad \delta_{\text{总}} = k\delta + \delta',ε总​=ε2kln(1/δ′)​+kε2,δ总​=kδ+δ′,
  此中δ’为新增的松懈项。
  
• 特点：隐私预算的ε项以√k速率增长，明显优于线性增长，但必要引入额外的δ’。实用于自顺应查询场景，答应在较大k时保持可行。
  

两者关系

• 应用场景：
  
  
  
  • 底子定理实用于任何组合（自顺应或非自顺应），但隐私丧失较高。
    
  • 高级定理专为自顺应组合操持，通过概率分析和松懈δ，明显低沉ε的增长速率。
    
  
  
• 衡量与选择：
  
  
  
  • 当答应δ > 0时，高级技能能以较小的ε增长支持更多查询。
    
  • 若需严酷包管δ=0（纯差分隐私），则只能利用底子定理的线性增长。
    
  
  
• 改进空间：
  
  
  
  • 后续技能（如矩管帐/RDP）进一步优化了高级定理，通过更风雅的数学工具（如Rényi散度）实现靠近最优的合成边界。
    
  
  

总结

底子合成定理提供了通用但宽松的隐私丧失估计，而高级合成技能通过答应δ > 0和根号k因子，在自顺应场景下明显低沉了隐私预算的增长速率。两者的焦点区别在于对自顺应组合的分析精度，高级技能通过断送部门δ的严酷性（答应少量失败概率），变更了更高效的ε利用，从而支持更大规模的查询组合。