Teoremas de composición de privacidad diferencial

Los teoremas de composición de privacidad diferencial son herramientas matemáticas utilizadas en la privacidad diferencial para analizar y acotar la pérdida de privacidad acumulada cuando se aplican múltiples mecanismos de privacidad diferencial al mismo conjunto de datos. Cuantifican cómo se degradan las garantías de privacidad a medida que se realizan más consultas o análisis, y son esenciales para el diseño de sistemas y algoritmos complejos de privacidad diferencial. ^{[ 1 ] [ 2 ] [ 3 ] [ 4 ]}

Por ejemplo, si un usuario envía varias consultas a una base de datos con privacidad diferencial, cada consulta podría satisfacer individualmente la privacidad diferencial ε, pero la interacción repetida puede filtrar acumulativamente más información de la prevista. Los teoremas de composición abordan este problema proporcionando una forma de calcular la pérdida total de privacidad tras la aplicación de múltiples mecanismos.