文章总结： 本文介绍PrivRM框架，用于解决本地差分隐私下的范围均值估计问题。该框架通过两阶段估计频率与总和，将噪声敏感度从全域缩小至查询范围，并引入分布感知的自适应调整策略优化偏态数据场景。实验表明其整体优于现有方法，为隐私计算中的细粒度建模提供了新思路。
综合评分： 85
文章分类： 数据安全,解决方案,安全建设
CCF A类会议｜PrivRM新框架：让差分隐私范围均值估计“更准、更安全”
原创
苗银宾
苗银宾
信息网络安全杂志
2026年9月22日 18:00
上海
在小说阅读器读本章
去阅读
在公众号小说中沉浸阅读
引子：随着数字技术的发展，个人数据的收集与分析日益频繁，数据收集方希望借此改善服务，但这引发了公众对隐私的深切担忧。本地差分隐私（Local Differential Privacy , LDP）作为一种无需依赖受第三方的隐私保护模型，允许用户在本地扰动数据后进行分享，得到了广泛应用。然而，现有的数值型数据LDP机制均侧重于对整个数据值域的统计，在面对实际应用中常见的特定范围均值估计问题（例如查询特定区间内的平均薪资或特定价格区间的房价）时遇到了挑战。如果直接应用现有方法，噪声敏感度覆盖整个数据域，会引入过大的扰动，从而导致严重的数据效用损失。因此，该研究提出了针对LDP下范围均值估计问题的PrivRM框架，旨在以更细粒度的机制实现目标范围的精准查询。
速览：这项研究提出了名为PrivRM的隐私范围均值估计框架，能够兼容现有的各种数值扰动机制（如拉普拉斯机制、分段机制、方波机制等）。该方案摒弃了对全局数据盲目加噪的方式，将任务降维拆分为两个阶段：第一阶段估计落在查询范围内的数值频率，第二阶段估计范围内的数值总和，最终利用二者的比值得到范围均值。为了进一步提升真实场景中的效用，研究还提出了一种分布感知的自适应调整策略，基于二分查找动态锁定密集区域以缩小扰动空间。实验结果表明，PrivRM在不同隐私预算、查询范围和底层扰动机制下，整体上均优于直接估计和基于分布的估计方法。
深度解剖：这项研究的核心价值在于精准重构了差分隐私下区间查询的技术底层逻辑，并为偏态数据提供了优化思路。首先，它解决了全局敏感度带来的高噪声问题：通过利用输入域随机化技术，消除了域外数据对目标范围均值的干扰，将噪声敏感度成功从大一统的全域缩小至了指定的查询范围。其次，研究者通过设计优化版的PrivRM*实现，巧妙运用输出域随机化，让域内和域外数据分别专职用于均值和频数计算；这一设计打破了基础方案必须将隐私预算对半切分的限制，在同等LDP约束下大幅拉升了可用隐私预算，获取了更低的数据噪音与更高的效用。此外，针对现实世界中海量存在的偏态分布数据，其自适应调整策略能够引导机制避开稀疏的数据荒漠，仅对高密度的价值区域精准施加扰动，从根源上缩减了方差波动。最后，该研究还可根据隐私预算的额度与底层机制特性，为开发者自动裁定并推荐最优的框架配置方案。
局限：尽管该框架在理论与实验中表现优异，但在复杂现实应用中仍面临几处局限。其一，自适应调整策略过度依赖于随机抽取极小部分样本进行预估，当分配的隐私预算过小或者查询范围过窄时，这种先验分布预估极易失真并引发数据丢失，反而拖累了查询效用的提升。其二，自适应调整策略引入了额外的计算步骤，特别是在使用底层机制预估分布时需要进行期望最大化后置处理，会使得计算时间成本飙升。其三，当面对极度不对称的偏态数据时，如果采用未修正的底层机制（例如原始版本的Square Wave机制），由于其自身局限性，依然会导致范围均值估计出现偏差。
启示：该研究的启示在于提出了一种兼顾数据效用与隐私保护的平衡范式：无需获取用户高度精确的原始数值，也能够通过合理的机制设计提取具有重要决策价值的区间级特征信息，例如特定区间内的房价趋势或企业薪酬分布情况。对于学术界和开发者而言，所提出的 PrivRM 框架具备良好的通用性，可与现有数值扰动机制灵活结合，表明通过对整体框架结构的优化，而非单纯依赖底层算法的改进，同样能够有效突破性能瓶颈。该研究也表明，在隐私计算领域，基于具体应用场景对问题进行细粒度建模与针对性设计，往往比追求普适性的通用解决方案更具实际价值。
作者：曹小杰、张炜斌、杨丽、王鑫、苗银宾（西安电子科技大学 教授 多模态加密数据安全存储）
原文标题：
PrivRM: A Framework for Range Mean Estimation under Local Differential Privacy
原文作者：
Liantong Yu、Qingqing Ye、Rong Du
期刊/会议：
Proceedings of the ACM on Management of Data，2025年第3卷第3期
DOI
https://doi.org/10.1145/3725414
版权与来源声明：本文依据《中华人民共和国著作权法》第二十四条之规定，为介绍、评选之目的，在此适当引用。原文版权归原作者所有。
信息网络安全
《信息网络安全》创刊于2001年，是由公安部主管，公安部第三研究所、中国计算机学会主办，面向国内外公开发行的国内首批信息安全类期刊之一，于2015年成为中国科技核心期刊，2017年成为中国科学引文数据库来源期刊，2018年成为中文核心期刊，2022年入选CCF计算领域高质量科技期刊分级目录。
中文核心期刊
中国科技核心期刊
中国科学引文数据库来源期刊
CCF计算领域高质量科技期刊
我们在不断努力和完善中，期待您的关注和支持！
免责声明：
本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。
任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。
本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。
本文转载自：信息网络安全杂志 苗银宾
苗银宾《CCF A类会议｜PrivRM新框架：让差分隐私范围均值估计“更准、更安全”》