差分隐私（二）指数，高斯，拉普拉斯机制

在应用差分隐私进行隐私保护中，需要处理的数据主要分为两大类：

• 数值查询：一般采用 $Laplace$ （严格DP）或者高斯机制（松弛DP）对得到数值结果加入随机噪声即可实现差分隐私。

• 非数值查询：一般采用指数机制并引入一个打分函数，对每一种可能的输出都得到一个分数，归一化之后作为查询返回的概率值。

一 拉普拉斯机制

Laplace分布和机制

$\mu =0$ : 中间位置，负数向左，正数向右
$b＞0$ : $b$值越接近0，尺度越大（高）

方法：利用拉普拉斯将查询得到的单一结果概率化。
原理：原始查询结果+拉普拉斯噪声, 使得到的结果跟正常查询得到的结果相差不大。

其中， f ( D ) f(D)