ฉันเพิ่งเริ่มเรียนรู้ความเป็นส่วนตัวที่แตกต่างกันสำหรับโครงการ BTech ของฉัน ฉันเข้าใจว่ามันเพิ่มสัญญาณรบกวนให้กับสตรีมอินพุตตามระดับความเป็นส่วนตัว (เช่น $\epsilon$) และฟังก์ชันคิวรี (เช่น $f$) เพื่อให้ความเป็นส่วนตัวแก่ชุดข้อมูลอินพุต พารามิเตอร์การกระจายสัญญาณรบกวนจะคำนวณตามสิ่งเหล่านี้เท่านั้น
สมมติว่าเรามีอัลกอริทึมแบบสุ่มที่เพิ่มสัญญาณรบกวนให้กับชุดข้อมูลอินพุตตามระดับความเป็นส่วนตัวที่สอดคล้องกัน (เช่น $\pi$) และไม่พิจารณาฟังก์ชันเคียวรีใดๆ ระหว่างการคำนวณ อัลกอริทึมเพียงแค่ให้ค่าเสียงตามการกำหนดความเป็นส่วนตัว
ตอนนี้ ถ้าฉันเลือกฟังก์ชันเคียวรี (พูดฟังก์ชันเดียวกัน $f$) และพยายามจำลองสัญญาณรบกวนของอัลกอริทึมแบบสุ่มเพื่อหาระดับความเป็นส่วนตัวที่แตกต่างกัน ($\epsilon$) ของอัลกอริทึมแบบสุ่ม เป็นไปได้ไหมที่จะสร้างความสัมพันธ์ระหว่าง $\epsilon$ และ $\pi$?
คนส่วนใหญ่ไม่เข้าใจว่าการถามคำถามมากมายจะปลดล็อกการเรียนรู้และปรับปรุงความสัมพันธ์ระหว่างบุคคล ตัวอย่างเช่น ในการศึกษาของ Alison แม้ว่าผู้คนจะจำได้อย่างแม่นยำว่ามีคำถามกี่ข้อที่ถูกถามในการสนทนา แต่พวกเขาไม่เข้าใจความเชื่อมโยงระหว่างคำถามและความชอบ จากการศึกษาทั้ง 4 เรื่องที่ผู้เข้าร่วมมีส่วนร่วมในการสนทนาด้วยตนเองหรืออ่านบันทึกการสนทนาของผู้อื่น ผู้คนมักไม่ตระหนักว่าการถามคำถามจะมีอิทธิพลหรือมีอิทธิพลต่อระดับมิตรภาพระหว่างผู้สนทนา
