差分プライバシー とは？

例えばアンケートの人数を集計して公開するときに、計算結果へランダムなノイズを加える方法があるよ。一人分の回答の有無が公開結果に与える影響を抑え、回答への参加から個人について余計な情報が分かることを制限するんだ。

ノイズで誤差が出るので、元の統計と同じ精度になる保証はないよ。どんな集計か、データの量や設定によって使いやすさが変わる。一般に保護を強めるほど、必要なノイズが増えて精度は下がりやすいんだ。

適当なノイズを足すだけでは定義を満たすとは限らないよ。ε（イプシロン）などのパラメータや、何を一人分の違いとするかを決め、条件を満たす仕組みが必要なんだ。近似的な定義ではδ（デルタ）も使う。すべての個人情報の推測を不可能にする保証ではないよ。

同じデータから別々の結果を繰り返し公開すると、プライバシー損失が累積するよ。その全体の上限を「プライバシー予算」として管理するんだ。各回の保護だけでなく、公開を重ねたときの保護と精度も考える必要があるね。