通过差分隐私测量统计异质性，推进鲁棒的联邦分析

本研究解决了差分隐私研究中，统计异质性导致准确性显著下降的问题，尤其是在联邦场景中更为严重。通过探索三种测量统计异质性的方法并结合差分隐私，我们提出了一种解析机制，优化隐私参数，并在实验中验证了主要定理。结果表明，在不同异质性水平下，该机制在分布式环境中提供了优于经典机制和集中设置的准确性。