ในแหล่งข้อมูล Differential Privacy กรณีจำกัดของ $\epsilon, \เดลต้า$ ไม่ได้รับความเป็นธรรมเพียงพอ
ตัวอย่างเช่นเมื่อ วิกิพีเดียว่ากันว่ากลไกเกาส์เซียนจะทำงานก็ต่อเมื่อ $\epsilon < 1$. อย่างไรก็ตาม กลไก Gaussian ใด ๆ ที่ตอบสนอง เช่น $(0.1, \เดลต้า)$-Differential Privacy ตอบโจทย์อยู่แล้ว $(1, \เดลต้า)$- ความเป็นส่วนตัวที่แตกต่างกันหรือ $(5^{100}, \เดลต้า)$-Differential Privacy ฉันถูกต้องไหม
ในทำนองเดียวกัน ในบางทรัพยากร คำจำกัดความของ DP มีไว้สำหรับ $\epsilon \geq 0 $แต่ก็อ้างว่ากลไก Laplace บรรลุผลสำเร็จ $(\epsilon, 0)$- ความเป็นส่วนตัวที่แตกต่างสำหรับใด ๆ $\epsilon$. อย่างไรก็ตามสิ่งที่เกี่ยวกับ $\epsilon = 0$? การกระจายตัวของ Laplace ด้วยความหนาแน่น $\propto 1/\epsilon$ ไม่ได้กำหนดไว้ในกรณีนี้ เรายังมีบ้างไหม สารเติมแต่ง กลไกที่ตอบโจทย์ $(0,0)$- ความเป็นส่วนตัวที่แตกต่าง?
แก้ไข: ความเข้าใจของฉันมีดังต่อไปนี้ ไม่มีกลไกเสียงรบกวนเพิ่มเติมที่สามารถบรรลุ DP ด้วย $\epsilon = 0 , \delta = 0$. สิ่งนี้เป็นไปไม่ได้เลยเนื่องจากเรา เพิ่ม สัญญาณรบกวนบางอย่าง (แน่นอน สมมติว่าความไวไม่ใช่ $0$ ซึ่งในกรณีนี้เราไม่ต้องใส่เสียงด้วยซ้ำ) ยิ่งไปกว่านั้น กลไก Laplace บรรลุ DP ด้วย $\epsilon>0,\delta = 0$หมายความว่ายังใด ๆ $\epsilon>0,\delta \geq 0$ จะเป็นไปได้ ในทางกลับกัน ต้องใช้กลไกเกาส์เซียน $\epsilon, \delta > 0$ดังนั้นสิ่งนี้จึงไม่ได้สรุปอะไรในกรณีของ Laplace ในแง่ของความเป็นไปได้ (เช่น สิ่งที่ทำได้ สิ่งที่ทำไม่ได้) ดังนั้นฉันคิดว่าความคลุมเครือเพียงอย่างเดียวคือ: เรามีกลไกการเติมแต่งที่บรรลุ DP ด้วย $\epsilon = 0$ และอื่น ๆ $\เดลต้า > 0$?