用户级差分隐私下基于矩阵分解的实用持续均值估计

研究者针对用户级差分隐私下的持续均值估计问题，将矩阵分解（Matrix Factorization）机制引入近似差分隐私设定，提出一种面向均值估计的专用分解。此前该问题的研究集中于纯差分隐私，估计噪声过大；作者称新分解高效且准确，达到渐近更低的均方误差界。