🛡️ 差分隐私原语 clip_l2 · 高斯 / 拉普拉斯噪声 · RDP 账本

mpc-privacy dp 等待 ← 算子集市

DP 流程:裁剪 → 加噪 → 隐私账本

观察数值
⓵ 原始均值
—
⓶ 裁剪后均值
—
⓷ 加噪后均值
—
⓸ 隐私预算 (ε, δ)
—
⓹ 隐私保证
—

差分隐私三步走

// 1. 裁剪 (clip_l2):单条贡献 ≤ C
//    v ← v · min(1, C / ||v||_2)
//    防止"单个用户贡献过大"导致隐私预算失控

// 2. 加噪 (gaussian / laplace):
//    高斯  N(0, σ²I)   适合 (ε, δ)-DP
//    拉普拉斯  Lap(0, b)  适合纯 ε-DP

// 3. 隐私账本 (RDP):
//    每发布一次 → step(σ, q)
//    多次发布后 → get_epsilon(δ) → 输出 (ε, δ)-DP 保证
//
// 协议:GaussianAccountant 用 RDP 组合(Abadi CCS'16 + Mironov CSF'17)
    

直观理解