面向 Pufferfish 隐私的噪声削减：一种实用的噪声校准方法

一种实用的噪声校准方法通过放宽 1-Wasserstein（Kantorovich）机制中导致过量噪声的过严条件，在满足 Pufferfish 隐私的同时提升数据效用。方法证明对所有隐私预算 ε 和先验信念，噪声削减相对原 1-Wasserstein 机制始终存在，且低隐私预算场景下收益更显著；最坏情况下的 1-Wasserstein 机制等价于 ℓ1-敏感度方法。在三个真实数据集上，数据效用提升 47% 至 87%。