摘要
隐私保护数据发布机制旨在同时最大程度地减少敏感数据的信息泄漏和有用数据的失真。敏感数据与有用数据之间的依赖关系导致了隐私-实用程序之间的权衡，它与广义速率失真问题有着密切的联系。
引言
在这项工作中，我们研究了如何直接对作为发布机制输入可用的数据进行约束，从而影响最佳的隐私效用折衷区域。此类限制可能是由无法直接观察到敏感数据或有用数据的应用程序引起的。例如，有用数据可能是未知属性，只能从敏感数据中推断出该属性。替代地，约束可以用于捕获特定方法的局限性，例如仅将有用数据作为输入而忽略其余敏感数据的输出扰动数据释放机制。
对数据进行匿名化的基本尝试已导致广泛公开的敏感信息泄漏，例如[2]，[3]。这些后来激发了各种各样的统计公式和技术来保护隐私，例如k匿名[4]，L多样性[5]，t紧密度[6]和差分隐私[7]。我们的工作涉及此问题的非渐近信息论处理，例如在[1]，[8]中，其中敏感数据和有用数据分别建模为随机变量X和Y，并且机制设计是构建获得最佳隐私-效用权衡的渠道问题。