摘要：在差分隐私交互式框架中,数据集通常需要回答多个查询,随着隐私预算逐渐被消耗,增加了隐私泄露的风险。所以,节约和跟踪隐私预算的消耗情况至关重要,该消耗不应超过隐私预算给定的限额。针对以上问题,论文设计了多次查询的差分隐私保护机制(Multi-Query-Differential Privacy Mechanism,MQDPM),采用重用噪声的思想。相同类型的查询可以重用噪声,节约隐私预算的开销,提高数据集可支持的查询数量;其次,由于差分隐私的可用性和安全性的矛盾关系,MQDPM采用可用性更好的分析高斯机制(AGM)作为噪声扰动机制,并使用Newton下山法代替二分法迭代,降低了AGM迭代的时间复杂度。最后,利用区块链记录隐私预算,方便跟踪隐私预算的使用情况,并保证不超过给定的限额。在公开的IPUMS数据集上实验表明,论文提出的MQDPM与现有算法相比,在降低查询响应时间的同时,相同隐私预算限额下,有效地节省了隐私预算开销,并且数据可用性更高。