随机化数据库查询技术

19/21随机化数据库查询技术第一部分随机化查询优化算法 2第二部分数据库查询混淆技术 4第三部分基于加密的随机查询保护方案 5第四部分随机化索引技术在数据库查询中的应用 7第五部分基于人工智能的随机化查询生成算法 9第六部分随机化查询在隐私保护中的作用与挑战 11第七部分随机化查询技术在大数据环境下的应用研究 13第八部分基于区块链的随机化查询验证机制 15第九部分随机化查询技术与差分隐私的结合研究 17第十部分随机化查询技术在云计算场景下的性能优化方法 19

第一部分随机化查询优化算法随机化查询优化算法是一种用于提高数据库查询性能的技术，通过对查询语句进行随机化处理，可以减少查询结果的数据依赖性，从而加快查询速度。本章将详细介绍随机化查询优化算法的原理、优势和应用。

首先，随机化查询优化算法基于一个关键思想：通过对查询语句的顺序、结构或参数进行随机化处理，可以减少查询结果的数据依赖性，从而提高查询性能。这种随机化处理可以在查询执行前、查询过程中或查询结果返回时进行。

在查询执行前的随机化处理中，算法会通过改变查询语句的顺序或结构来减少查询结果的数据依赖性。例如，可以将查询语句中的关键字或表名进行随机排列，或者将查询条件的顺序进行随机化。这样一来，数据库在执行查询时就无法根据查询语句的特定结构或顺序进行优化，从而减少了查询结果的数据依赖性。

在查询过程中的随机化处理中，算法会通过改变查询的执行顺序或方式来减少查询结果的数据依赖性。例如，可以随机选择使用索引或全表扫描来执行查询，或者随机选择并行或串行执行查询的方式。这样一来，数据库在查询过程中无法根据特定的执行顺序或方式来优化查询，从而进一步减少了查询结果的数据依赖性。

在查询结果返回时的随机化处理中，算法会通过改变查询结果的顺序或方式来减少数据的依赖性。例如，可以将查询结果进行随机排序，或者随机选择一部分结果返回。这样一来，数据库在返回查询结果时就无法根据特定的顺序或方式来优化结果的返回，从而减少了数据的依赖性。

随机化查询优化算法有以下几个优势和应用：

首先，随机化查询优化算法可以减少查询结果的数据依赖性，提高查询性能。通过对查询语句的随机化处理，可以使数据库无法根据特定的查询结构、顺序或参数进行优化，从而减少了查询结果的数据依赖性。这样一来，数据库在执行查询时可以更加高效地处理查询语句，提高查询性能。

其次，随机化查询优化算法可以增加查询的安全性。通过对查询语句的随机化处理，可以使查询结果的顺序或方式变得不可预测，从而增加了查询的安全性。例如，在某些情况下，随机化查询结果的顺序可以防止恶意用户通过观察查询结果的顺序来获取敏感信息。

此外，随机化查询优化算法还可以应用于数据隐私保护和查询结果验证等领域。在数据隐私保护方面，通过随机化查询语句或查询结果，可以减少数据的敏感性。在查询结果验证方面，通过对查询结果进行随机化处理，可以帮助用户验证查询结果的准确性。

综上所述，随机化查询优化算法是一种有效提高数据库查询性能的技术。通过对查询语句的随机化处理，可以减少查询结果的数据依赖性，从而提高查询性能。该算法具有优异的性能和广泛的应用领域，可以在数据隐私保护、查询结果验证等方面发挥重要作用。随机化查询优化算法的研究和应用将对数据库查询性能的提升和数据安全保护起到积极的推动作用。第二部分数据库查询混淆技术数据库查询混淆技术是一种在数据库查询过程中，通过对查询语句、数据参数或者查询结果进行一定的变换或处理，以达到混淆、隐藏、保护数据的目的。这种技术在网络安全领域中具有重要的意义，可以有效防止恶意攻击者通过对数据库查询的分析来获取敏感信息。本文将对数据库查询混淆技术进行详细的介绍和分析。

首先，数据库查询混淆技术可以通过对查询语句的变换来实现。例如，可以对查询语句中的关键字进行替换或重组，使其不易被恶意攻击者识别和解析。同时，还可以通过在查询语句中添加一些无关的条件或冗余的表达式，使得查询语句的意图变得模糊，增加攻击者对数据库结构和数据的理解难度。此外，还可以对查询语句进行格式化，使其在网络传输过程中不易被截获和解析。

其次，数据库查询混淆技术可以通过对查询参数的处理来实现。查询参数是用户输入的数据，直接参与到数据库查询过程中。为了保护用户输入的敏感信息，可以对查询参数进行加密或编码处理，使其在传输和存储过程中不易被窃取和解码。另外，还可以对查询参数进行降噪处理，过滤掉一些特殊字符或关键词，以防止恶意攻击者通过输入特殊字符或注入攻击来破坏数据库的安全性。

最后，数据库查询混淆技术还可以通过对查询结果的处理来实现。查询结果是数据库查询的最终输出，其中可能包含了一些敏感信息。为了保护查询结果的安全，可以对查询结果进行加密或脱敏处理，使其在传输和存储过程中不易被窃取和泄露。此外，还可以对查询结果进行排序或截断，以减少恶意攻击者对数据库内容的获取。

总结起来，数据库查询混淆技术是一种重要的网络安全技术，可以通过对查询语句、查询参数和查询结果的处理来保护数据库的安全性。通过对查询语句进行变换、对查询参数进行加密和降噪处理、对查询结果进行加密和脱敏处理，可以有效防止恶意攻击者通过对数据库查询的分析来获取敏感信息。在实际应用中，需要根据具体的安全需求和威胁情况选择适合的混淆技术，并合理地应用于数据库查询过程中，以提高数据库的安全性和防护能力。

综上所述，数据库查询混淆技术是一项重要的网络安全技术，通过对查询语句、查询参数和查询结果的处理来保护数据库的安全性。它在防止恶意攻击者获取敏感信息方面具有重要作用，可以有效提高数据库的安全性和防护能力。在实际应用中，需要根据具体情况选择适合的混淆技术，并结合其他安全措施来全面保护数据库的安全。第三部分基于加密的随机查询保护方案基于加密的随机查询保护方案是一种用于保护数据库查询隐私的安全技术。随着信息技术的快速发展，大量敏感数据储存在数据库中，如个人身份信息、财务数据等。然而，传统的数据库查询技术存在着潜在的安全风险，一旦数据库被攻击，这些敏感信息就会暴露给不法分子。

为了解决这一问题，基于加密的随机查询保护方案应运而生。该方案利用密码学的技术手段，通过对数据库中的数据进行加密处理，从而实现对查询结果的保护。具体而言，该方案包括以下几个关键步骤：

首先，对数据库中的敏感数据进行加密处理。这里采用对称加密算法，如AES算法，来对数据进行加密。通过使用密钥对数据进行加密处理，可以有效地防止未经授权的访问和窃取。

其次，为了保护查询的随机性，采用零知识证明技术。零知识证明技术是一种通过让验证者证明某个陈述为真，而不泄露任何关于这个陈述的信息的密码学技术。在这个方案中，查询者需要通过提交查询请求的方式，证明其拥有查询结果的访问权限，而不需要直接暴露查询的详细内容。这样可以防止潜在的攻击者通过分析查询模式来获取敏感信息。

然后，为了提高查询效率，引入索引技术。索引是数据库中的一种数据结构，用于提高查询效率。在基于加密的随机查询保护方案中，可以使用可搜索加密技术结合索引技术来实现高效的查询操作。可搜索加密技术允许对加密数据进行搜索，而不需要解密整个数据集。通过合理设计索引结构，可以在保护查询隐私的同时提高查询效率。

最后，为了保护数据的安全性，引入访问控制机制。访问控制机制主要包括身份验证和权限管理两个方面。身份验证确保只有经过授权的用户才能访问数据库，而权限管理则限制用户对数据的访问权限。通过合理设置访问控制策略，可以有效地防止未经授权的查询操作。

综上所述，基于加密的随机查询保护方案是一种能够有效保护数据库查询隐私的安全技术。该方案通过加密、零知识证明、索引和访问控制等多种技术手段的综合应用，实现了对敏感信息的保护和查询结果的随机化。然而，该方案仍然存在一定的安全风险，需要不断进行技术改进和完善，以应对日益复杂的网络安全威胁。第四部分随机化索引技术在数据库查询中的应用随机化索引技术在数据库查询中的应用

摘要：随机化索引技术是一种在数据库查询中应用的有效方法。它通过对数据库索引进行随机化处理，以提高查询性能和保护数据安全。本章节将详细介绍随机化索引技术的原理、应用场景以及优势。

引言

随着互联网和大数据技术的快速发展，数据库的规模和复杂性不断增加。为了提高数据库的查询性能和保护敏感数据的安全性，研究人员提出了许多新的索引技术。其中，随机化索引技术因其独特的特点在数据库领域引起了广泛关注。本章节将深入探讨随机化索引技术在数据库查询中的应用。

随机化索引技术的原理

随机化索引技术基于对数据库索引的随机化处理。其核心思想是通过在索引构建过程中引入随机化因素，使得索引的结构和查询的顺序无关。具体而言，随机化索引技术通过对索引键值进行加密或乱序处理，使得索引中的关键字无法直接对应到原始数据。这种随机化的处理可以保护数据的安全性，并且使得查询过程无法预测和推断。

随机化索引技术的应用场景

随机化索引技术在实际应用中有多种场景。首先，对于包含敏感数据的数据库，随机化索引技术可以有效保护数据的隐私。通过对索引键值进行随机化处理，可以防止黑客或非授权用户通过索引信息推断出原始数据的内容。其次，随机化索引技术在保护数据安全的同时，也可以提高查询性能。由于索引的结构与查询的顺序无关，查询优化器可以更加灵活地选择合适的查询执行计划，提高查询效率。

随机化索引技术的优势

随机化索引技术具有许多优势。首先，它能够提供良好的数据安全性。通过对索引键值进行随机化处理，敏感数据的隐私得到了有效保护。其次，随机化索引技术并不需要对数据库的其他部分进行修改，因此对现有系统的改动较小。此外，由于索引的结构与查询的顺序无关，随机化索引技术能够提高查询性能，减少查询的响应时间。

随机化索引技术的挑战

随机化索引技术也存在一些挑战。首先，由于索引键值的随机化处理，索引的结构变得更加复杂，对索引的维护和更新带来了一定的困难。其次，随机化索引技术可能会导致索引的利用率下降，从而影响查询性能。此外，随机化索引技术对于某些特定类型的查询可能不适用，需要进一步的研究和优化。

随机化索引技术的未来发展

随机化索引技术在数据库查询中具有广泛的应用前景。未来的研究可以进一步优化随机化索引的结构和算法，提高查询性能和数据安全性。同时，可以结合其他索引技术，如B树索引和哈希索引，以提供更加灵活和高效的查询方案。

结论

随机化索引技术是一种在数据库查询中应用的有效方法。它通过对数据库索引进行随机化处理，既能提高查询性能，又能保护数据的安全性。随机化索引技术具有许多优势，但也面临一些挑战。未来的研究可以进一步完善随机化索引技术的算法和结构，提高其在实际应用中的性能和可靠性。

参考文献：

[1]O.GoldreichandH.Krawczyk,"OntheCompositionofRandomSystems",JournalofCryptology,vol.9,no.4,pp.243-276,1996.

[2]R.AgrawalandJ.Kiernan,"WatermarkingRelationalDatabases",Proceedingsofthe28thInternationalConferenceonVeryLargeDataBases,HongKong,2002.第五部分基于人工智能的随机化查询生成算法基于人工智能的随机化查询生成算法

随机化数据库查询技术是一种用于保护数据库隐私的重要方法。在敏感数据的处理中，随机化查询技术可以有效地保护用户隐私，并提供对数据的可用性和可查询性。随机化查询生成算法是这一技术的核心，它通过对查询进行重写和扰动来隐藏原始查询的语义和特征，从而降低敏感信息的泄露风险。

基于人工智能的随机化查询生成算法是一种采用人工智能技术来实现查询重写和扰动的方法。该算法通过深度学习、自然语言处理等人工智能技术，自动分析和理解查询语义，并生成与原始查询等效但不泄露敏感信息的随机化查询。下面将详细介绍该算法的几个关键步骤。

首先，算法通过自然语言处理技术对原始查询进行语义分析和解析。这一步骤旨在理解查询的意图和语义，从而为后续的重写和扰动提供基础。通过分析查询的关键词、语法结构和上下文信息，算法可以准确地理解查询的含义，并提取出需要保护的敏感信息。

接下来，算法利用生成模型生成等效但随机化的查询。生成模型是一种基于人工智能技术的模型，可以通过学习大量的查询数据来生成新的查询。在这个步骤中，算法使用已有的查询数据训练生成模型，并利用该模型生成与原始查询等效但不泄露敏感信息的随机化查询。生成模型可以根据原始查询的语义和特征生成多个候选的随机化查询，并根据一定的评估准则选择最优的查询作为最终的输出。

生成随机化查询后，算法进一步对查询进行扰动。扰动是指对查询进行适当的修改和调整，以进一步隐藏原始查询的特征和语义。扰动可以包括对查询的关键词进行替换、添加或删除，修改查询的语法结构和逻辑关系等。通过扰动，算法可以使得随机化查询更加难以被恢复和推断，进一步提高查询的隐私保护效果。

最后，算法输出最终的随机化查询结果，并提供给用户使用。用户可以使用随机化查询来访问数据库，而无需直接暴露原始查询和敏感信息。同时，算法还可以提供查询结果的验证和解析功能，确保随机化查询的正确性和可用性。

基于人工智能的随机化查询生成算法在数据库隐私保护领域具有广泛的应用前景。它可以在保护用户隐私的同时，提供对数据的有效查询和分析。该算法通过利用人工智能技术对查询进行语义分析和生成，实现了对敏感信息的随机化保护，为用户和组织提供了更安全和可靠的数据服务。

总结而言，基于人工智能的随机化查询生成算法是一种重要的隐私保护方法，它通过深度学习、自然语言处理等人工智能技术，对原始查询进行语义分析和生成，实现了对敏感信息的随机化保护。该算法具有广泛的应用前景，在保护用户隐私的同时，提供了对数据的有效查询和分析。随着人工智能技术的不断发展和应用，基于人工智能的随机化查询生成算法将会得到进一步的优化和改进，为数据隐私保护提供更多的可能性和选择。第六部分随机化查询在隐私保护中的作用与挑战随机化查询在隐私保护中扮演着重要的角色，同时也面临着一些挑战。随机化查询技术是一种用于保护敏感数据隐私的方法，通过在查询结果中引入随机化噪音，来混淆原始数据，从而保护用户的隐私。本文将对随机化查询的作用和挑战进行详细描述。

首先，随机化查询在隐私保护中的作用体现在以下几个方面：

数据匿名化：随机化查询技术可以在查询结果中引入随机噪音，使得查询结果无法直接与原始数据关联，从而保护用户的隐私。这种方式可以有效地防止敏感信息的泄露，确保数据的匿名性。

隐私保护：随机化查询技术可以有效地保护用户的隐私，使得在查询过程中不会暴露敏感信息。通过在查询结果中添加噪音，可以防止黑客或非授权用户通过分析查询结果来推断出原始数据的敏感信息。

数据安全性：随机化查询技术可以增加数据的安全性，降低数据泄露的风险。即使数据被非法获取，由于查询结果的随机性，黑客也很难从中获取有用的信息。

接下来，我们来讨论随机化查询在隐私保护中面临的挑战：

数据准确性：随机化查询技术可能会导致查询结果的准确性下降。由于在查询结果中引入了随机噪音，可能会影响到数据的精确性和可靠性。因此，在使用随机化查询技术时，需要权衡数据准确性和隐私保护的程度。

数据可用性：随机化查询技术可能会降低数据的可用性。由于在查询结果中引入了随机噪音，查询结果可能与用户的预期不符，使得数据的可用性下降。这对于一些需要高度精确数据的应用场景可能会造成一定的影响。

查询性能：随机化查询技术可能会增加查询的计算复杂度，导致查询性能下降。由于在查询结果中引入了随机噪音，需要进行额外的计算来恢复原始数据，这会增加查询的时间和计算成本。

隐私攻击：随机化查询技术可能会面临隐私攻击的挑战。一些高级攻击技术可能会通过分析多个查询结果，逐渐去除噪音，从而推断出原始数据的敏感信息。因此，需要在设计随机化查询方案时考虑到这些攻击，并采取相应的防护措施。

数据扩展性：随机化查询技术在处理大规模数据时可能会面临扩展性的挑战。由于需要对查询结果进行加密和解密，会增加额外的计算和存储开销。因此，在处理大规模数据时，需要考虑到系统的扩展性和性能需求。

综上所述，随机化查询技术在隐私保护中发挥着重要的作用，可以有效保护用户的隐私和数据安全。然而，随机化查询技术也面临一些挑战，如数据准确性、数据可用性、查询性能、隐私攻击和数据扩展性等。为了更好地应对这些挑战，需要在设计随机化查询方案时综合考虑隐私保护和数据可用性的需求，同时结合实际场景选择适合的随机化查询技术和安全措施。第七部分随机化查询技术在大数据环境下的应用研究随机化查询技术是一种在大数据环境下保护数据隐私和提高数据处理效率的重要手段。在当今数字化时代，大数据的快速增长对数据隐私的保护提出了更高的要求。传统的数据加密方法，如对称加密和非对称加密，无法应对大数据环境下的查询需求和性能要求。因此，随机化查询技术应运而生。

随机化查询技术的核心思想是对查询结果进行随机化处理，以保护数据隐私。其基本原理是将数据集中的敏感信息进行模糊化处理，使得在查询过程中难以还原出原始的敏感信息。这种技术可以在保证数据的可用性和可查询性的同时，有效地避免了隐私泄露的风险。

在大数据环境下，随机化查询技术具有广泛的应用研究价值。首先，随机化查询技术可以应用于云计算环境中的数据隐私保护。随着云计算的兴起，越来越多的数据被存储在云端，而云服务提供商需要保证用户数据的隐私安全。通过对查询结果进行随机化处理，用户的隐私信息得以有效保护，同时提供给用户可用的查询结果。

其次，随机化查询技术可以应用于数据挖掘和机器学习等领域。在这些领域中，大量的数据被用于分析和模型训练。然而，由于涉及到用户的敏感信息，传统的数据挖掘和机器学习方法存在隐私泄露的风险。通过随机化查询技术，可以在保护用户隐私的前提下，有效地利用大数据进行模型训练和分析。

此外，随机化查询技术还可以应用于医疗数据和金融数据等领域。这些领域中的数据具有非常高的敏感性，对隐私的保护要求更加严格。通过随机化查询技术，可以保证敏感数据的隐私安全，同时又能够提供给医疗研究和金融分析等领域可用的数据。

在大数据环境下，随机化查询技术的应用研究还面临一些挑战。首先，随机化查询技术需要保证查询结果的准确性和可用性。虽然随机化处理可以有效保护数据隐私，但也会对查询结果造成一定的影响。因此，如何在保证数据隐私的前提下，提高查询结果的准确性和可用性是一个需要解决的问题。

其次，随机化查询技术需要解决性能问题。在大数据环境下，数据量庞大，查询速度是一个关键的考虑因素。随机化查询技术需要在保证数据隐私的前提下，提高查询的处理速度。因此，如何优化随机化查询算法，提高查询性能是一个重要的研究方向。

综上所述，随机化查询技术在大数据环境下具有广泛的应用研究价值。通过对查询结果进行随机化处理，可以有效保护数据隐私，同时提供给用户可用的查询结果。然而，随机化查询技术在保证查询结果准确性和可用性，以及提高查询性能方面仍然存在一定的挑战。因此，未来需要进一步研究和探索，以推动随机化查询技术在大数据环境下的应用发展。第八部分基于区块链的随机化查询验证机制基于区块链的随机化查询验证机制

随着互联网的迅猛发展和大数据时代的到来，数据安全和隐私保护成为了亟待解决的问题。在数据库查询领域，随机化查询技术被广泛应用于保护敏感数据的隐私，防止数据泄露和滥用。然而，传统的随机化查询方案存在一些安全性和可靠性的问题。为了解决这些问题，基于区块链的随机化查询验证机制应运而生。

基于区块链的随机化查询验证机制是一种利用区块链技术提供数据验证和安全性保障的新型查询方案。它结合了随机化查询和区块链技术的优势，可以确保数据查询的随机性、安全性和可验证性。

首先，该机制利用区块链的不可篡改性和去中心化特点，保证数据查询的安全性。在传统的随机化查询方案中，查询结果可能会被恶意篡改或泄露，而基于区块链的机制通过将查询结果记录在区块链上，确保查询结果的完整性和不可篡改性。任何人都可以验证查询结果是否被篡改，从而增强了数据查询的安全性。

其次，该机制利用区块链的分布式共识机制和智能合约功能，实现了对查询的随机性和可验证性。在传统的随机化查询方案中，查询的随机性通常依赖于第三方机构或算法，容易受到操纵和攻击。而基于区块链的机制通过智能合约实现了查询的随机性，确保查询过程中没有人可以预测查询结果。同时，区块链的分布式共识机制保证了查询结果的可验证性，任何人都可以验证查询结果的正确性和随机性。

此外，基于区块链的随机化查询验证机制还可以实现查询的匿名性和可追溯性。在传统的随机化查询方案中，查询者的身份和查询记录可能会暴露，造成隐私泄露。而基于区块链的机制通过匿名地址和非对称加密技术，保护了查询者的身份隐私。同时，通过区块链的不可篡改性和可追溯性，任何人都可以追溯查询记录，确保数据查询的合法性和可追溯性。

总之，基于区块链的随机化查询验证机制是一种具备安全性、随机性、可验证性、匿名性和可追溯性的新型查询方案。它利用区块链的特点和技术解决了传统随机化查询方案存在的安全性和可靠性问题。在大数据时代，基于区块链的随机化查询验证机制将为数据安全和隐私保护提供更加可靠的解决方案，促进数据的合法使用和共享。第九部分随机化查询技术与差分隐私的结合研究随机化查询技术与差分隐私的结合研究

引言

随着互联网和大数据时代的到来，个人隐私保护成为了一个重要的问题。随机化查询技术和差分隐私是两种常用的隐私保护方法，它们可以在保护个人隐私的同时提供有用的数据分析结果。本章将探讨随机化查询技术与差分隐私的结合研究，旨在解决隐私保护和数据分析之间的平衡问题。

随机化查询技术

随机化查询技术是一种通过向查询结果添加噪声来保护个人隐私的方法。其基本思想是在查询结果中引入一定程度的不确定性，以防止对个人隐私的泄露。常用的随机化查询技术包括拉普拉斯机制和指数机制。拉普拉斯机制通过向查询结果添加服从拉普拉斯分布的噪声来实现隐私保护，而指数机制则通过使用指数分布的噪声来实现隐私保护。

差分隐私

差分隐私是一种严格的隐私保护模型，其核心思想是通过对查询结果进行微小的扰动，使得敏感个人信息不易被推断出来。差分隐私通过引入随机性来保护个体的隐私，即使攻击者具有除了查询结果以外的所有背景知识，也无法推断出个体的隐私信息。差分隐私的保护程度可以通过隐私预算进行量化，预算越小，隐私保护程度越高。

随机化查询技术与差分隐私的结合

随机化查询技术与差分隐私的结合可以在保护个人隐私的同时提供有用的数据分析结果。结合的基本思想是在随机化查询技术中引入差分隐私的概念，通过对查询结果的扰动来实现隐私保护。具体而言，可以通过在随机化查询技术中添加差分隐私的噪声，使得查询结果满足差分隐私的定义。

结合研究的应用

随机化查询技术与差分隐私的结合研究在各个领域都有广泛的应用。在医疗领域，通过结合随机化查询技术和差分隐私，可以对医疗数据进行分析，从而为疾病预测、药物研发等提供有用的信息，同时保护患者的隐私。在社交网络领域，结合随机化查询技术和差分隐私可以对用户的社交行为进行分析，从而提供个性化的推荐系统，同时保护用户的隐私。

结论

随机化查询技术与差分隐私的结合研究为解决隐私保护和数据分析之间的平衡问题提供了一种有效的方法。通过在随机化查询技术中引入差分隐私的概念，可以在保护个人隐私的同时提供有用的数据分析结果。随机化查询技术与差分隐私的结合研究在各个领域都有广泛的应用，为研究者和实践者提供了有力的工具，同时也为个人隐私保护提供了一种有效的解决方案。

参考文献：

[1]Dwork,C.(2006).Differentialprivacy.InProceedingsofthe33rdInternationalColloquiumonAutomata,LanguagesandProgramming(ICALP)(pp.1-12).

[2]Ghosh,A.,Roughgarden,T.,&Sundararajan,M.(2009).Universallyutility-maximizingprivacymechanisms.InProceedingsofthe50thAnnualIEEESymposiumonFoundationsofComputerScience(FOCS)(pp.351-360).

[3]Hay,M.,Rastogi,V.,&Miklau,G.(2010).Boostingtheaccuracyofdifferentiallyprivatehistogramsthroughconsistency.ProceedingsoftheVLDBE