本文探讨了传统的统计方法在处理 GWAS 数据库的机密性保护方面不足，介绍了密码学界最近提出的差分隐私概念，并基于差分隐私的新方法来发布聚合 GWAS 数据，并提出了一个隐私保护的方法来发现全基因组关联，其中涉及极小等位基因频率、卡方值和 p 值等指标。

May, 2012

该研究提出了一种使用差分隐私保护隐私数据的方法来发布 GENOME-WIDE ASSOCIATION STUDY（GWAS）的聚合结果， 评估了这种方法的风险和功用，与先前的不同隐私发布机制进行比较。

Jan, 2014

本文提出了一种信息论框架，以量化保护隐私和提供有用信息之间的平衡，并将此框架应用于分类和数值数据，提供了合适的编码方案和实践价值。

Feb, 2011

提出一种用于捕获用户向被动好奇敌手发布数据时产生的隐私威胁并在效用约束下加以限制的一般性统计推断框架，其中应用自信息成本函数于非渐进信息论方法用于表征最佳可实现的隐私，基于这些结果引入平均信息泄漏和最大信息泄漏两种隐私度量，证明在两种指标下，将用户数据映射到隐私保护输出的最优映射可被描述为修正的率失真问题并可设计成凸编程，最后与差分隐私进行比较。

Oct, 2012

我们提出了一种新的问题形式来处理隐私与效用之间的权衡，特别是针对由具有独特私人和效用属性集的两个不同用户组组成的情况。我们通过一个可信第三方引入了两个用户组之间的协作数据共享机制，该机制使用对抗隐私技术对数据进行内部清洁，消除了手动注释或辅助数据集的需要。我们的方法确保了无法准确推断私人属性，同时实现了高度准确的效用特征预测。此外，我们的数据共享机制与各种现有的对抗隐私技术兼容，并通过使用合成和真实世界数据集进行实证展示，展示了其平衡隐私和效用这一互相冲突目标的能力。

Apr, 2024

本文提出了一种隐私保护的实用方法，使用通用的统计推断框架捕获推断攻击下的隐私威胁并满足效用约束，采用隐私保护概率映射技术对发布的数据进行扭曲处理，同时解决了实际中遇到的实用挑战，通过引入量化步骤和减少优化大小的方法，我们的方法在保证数据原版用途的情况下，取得了良好的隐私保护效果。

Aug, 2014

该研究讨论了如何在具有隐私敏感性的人群中设计调查，提出了一种不同 ially private peer-prediction 机制来支持 Bayes-Nash 均衡下每个个体的隐私，实现了对人口统计数据的精确估算。

Apr, 2014

本文提出了一种基于差分隐私的机制，以保证数据查询的数据隐私和查询效用之间的平衡。机制包含了每个可能的用户的期望最小化的代价函数，并且针对每个固定数量的查询和差分隐私级别，存在一种几何机制可以同时保证每个可能用户的最佳实用性，这是一种极强的实用性保障。

Nov, 2008

该论文讨论了用户在希望获得某些实用性的同时，披露与其私人数据相关的信息所面临的隐私 - 效用权衡以及了解了一种概率隐私映射的数据变换技术，进而提出了一种优化方案以平衡隐私泄露和效用损失。通过实验在美国人口普查数据集上检验了该方案的性能。

Feb, 2014

研究了在隐私和效用都用互信息表示的情况下隐私和效用之间的权衡，利用可观测数据量化其中所包含的私人信息并将其连接到隐私和效用之间的最优权衡。

Oct, 2015