📊 statistics

Universal Shuffle Asymptotics, Part II: Non-Gaussian Limits for Shuffle Privacy -- Poisson, Skellam, and Compound-Poisson Regimes

यह शोध पत्र केंद्रित स्थानीय रैंडमाइज़र (local randomizers) के विषम व्यवहार को अभिलक्षणिक बनाकर शफल प्राइवेसी (shuffle privacy) में पहले सार्वभौमिकता-भंग सीमा (universality-breaking frontier) को स्थापित करता है, जो शास्त्रीय गॉसियन सीमाओं में विफल होते हैं, स्पष्ट पॉइसन, स्केलम और कंपाउंड-पॉइसन शिफ्ट प्रयोगों में अभिसरण को सिद्ध करता है और शफल प्राइवेसी सीमाओं का एक पूर्ण तीन-क्षेत्रीय चित्र प्रदान करता है।

मूल लेखक: Alex Shvets

प्रकाशित 2026-03-12

📖 7 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Alex Shvets

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक विशाल भीड़ में यह गिनने की कोशिश कर रहे हैं कि कितने लोगों ने लाल टोपी पहनी है, लेकिन आप यह जानना नहीं चाहते कि कौन विशेष रूप से एक टोपी पहने हुए है। यह डिफरेंशियल प्राइवेसी (Differential Privacy) की दुनिया है।

गोपनीयता की रक्षा के लिए, भीड़ में हर कोई एक सिक्का उछालता है। यदि 'हेड्स' आता है, तो वे सच बोलते हैं। यदि 'टेल्स' आता है, तो वे झूठ बोलते हैं और इसका उल्टा कहते हैं। फिर, एक "शफलर" (एक जादुई, गुमनाम मिक्सर) सभी उत्तरों को एकत्र करता है, उन्हें आपस में मिला देता है ताकि कोई यह न जान सके कि किसने क्या कहा, और अंतिम गणना प्रकाशित करता है।

भाग I (जो इस शोध श्रृंखला से ठीक पहले प्रकाशित हुआ था) ने दिखाया था कि यदि भीड़ बहुत बड़ी है और सिक्का थोड़ा पक्षपाती (biased) है (लेकिन बहुत अधिक नहीं), तो अंतिम गणना एक सुचारू, अनुमानित बेल कर्व (Gaussian distribution) की तरह व्यवहार करती है। यह भीड़ की औसत ऊंचाई मापने जैसा है: शोर (noise) औसत होकर समाप्त हो जाता है, और आपको एक सुंदर, सुचारू परिणाम मिलता है।

यह शोध पत्र (भाग II) पूछता है: क्या होगा यदि हम गोपनीयता सेटिंग्स को पूर्ण सीमा तक धकेल दें?

क्या होगा यदि हम सिक्के को झूठ बोलने की ओर इतना अधिक पक्षपाती बना दें कि लोग लगभग हमेशा सच बोलें, लेकिन हम इसे इस तरह करें कि "शोर" अब सुचारू रूप से औसत न हो पाए? एक चिकनी पहाड़ी के बजाय, डेटा अचानक, तीखे उछालों (jumps) की एक श्रृंखला जैसा दिखने लगता है।

यहाँ सरल उपमाओं का उपयोग करके इस शोध पत्र की खोजों का विवरण दिया गया है:

1. गोपनीयता के तीन क्षेत्र (Three Regimes of Privacy)

लेखक गोपनीयता के तीन अलग-अलग "विश्व"ों को मैप करते हैं, जो इस बात पर निर्भर करते हैं कि हम कितनी गोपनीयता की मांग करते हैं और भीड़ कितनी बड़ी है।

"सुचारू" दुनिया (Sub-critical):
- उपमा: कल्पना कीजिए कि एक हल्की बारिश हो रही है। आप व्यक्तिगत बूंदों को नहीं देख सकते, बस एक स्थिर धुंध देख सकते हैं।
- गणित: गोपनीयता मजबूत है, लेकिन "शोर" छोटा और बार-बार होने वाला है। परिणाम एक गौसियन (बेल कर्व) वितरण है। यह मानक, सुरक्षित क्षेत्र है जिसे भाग I में कवर किया गया है।
"क्रिटिकल" दुनिया (The Focus of This Paper):
- उपमा: कल्पना कीजिए कि एक सूखा रेगिस्तान है जहाँ बारिश दुर्लभ है। जब भी बारिश होती है, तो यह अचानक, भारी मूसलाधार बारिश होती है जो तुरंत एक विशाल गड्ढा बना देती है। आपको धुंध नहीं मिलती; आपको स्पष्ट, विशाल छींटे मिलते हैं।
- गणित: यह तब होता है जब गोपनीयता सेटिंग भीड़ के आकार के बिल्कुल किनारे पर ट्यून की जाती है। "शोर" अब छोटा नहीं रह गया है; यह दुर्लभ है लेकिन बहुत बड़ा है।
- खोज: इस क्षेत्र में, गणित एक बेल कर्व नहीं रहता बल्कि पॉइसन (Poisson) (दुर्लभ घटनाओं की गिनती) या स्केलम (Skellam) (दो दुर्लभ घटनाओं के बीच का अंतर) बन जाता है।
- महत्व: "सुचारू" दुनिया में, यदि आप पर्याप्त प्रतीक्षा करें तो सैद्धांतिक रूप से आप पूर्ण गोपनीयता प्राप्त कर सकते हैं। इस "क्रिटिकल" दुनिया में, एक कठोर आधार (hard floor) है। चाहे आप सेटिंग्स को कितना भी ट्यून करें, हमेशा एक बहुत छोटी, गैर-शून्य संभावना होती है कि एक हमलावर केवल एक "भाग्यशाली" दुर्लभ घटना के कारण सच का अनुमान लगा सकता है। यह मशीन में एक "भूत" की तरह है जो कभी पूरी तरह से गायब नहीं होता।
"टूटी हुई" दुनिया (Super-critical):
- उपमा: बारिश इतनी भारी है कि नदी बाढ़ आ जाती है और किनारों को बहा ले जाती है।
- गणित: गोपनीयता सेटिंग बहुत कमजोर है। "शोर" इतना तेज है कि संकेत (signal) पूरी तरह से दब गया है। हमलावर आसानी से सच को पहचान सकता है। गोपनीयता ढह गई है।

2. "दुर्लभ उछाल" की घटना (The "Rare Jump" Phenomenon)

"क्रिटिकल" दुनिया में, यह शोध पत्र बताता है कि डेटा धीरे-धीरे नहीं बदलता; यह उछलता (jump) है।

पॉइसन शिफ्ट (Poisson Shift): कल्पना कीजिए कि आप त्रुटियों (errors) को गिन रहे हैं। सुचारू दुनिया में, त्रुटियां छोटी और बार-बार होती हैं। क्रिटिकल दुनिया में, त्रुटियां भूकंप की तरह होती हैं। वे दुर्लभ होती हैं, लेकिन जब वे होती हैं, तो वे पूरे सांख्यिकी को एक बड़े उछाल के साथ बदल देती हैं। इसे वर्णित करने वाला गणित पॉइसन वितरण है (जो गिनता है कि एक वर्ष में कितने भूकंप आते हैं)।
स्केलम शिफ्ट (Skellam Shift): अब कल्पना कीजिए कि दो टीमें सिक्के उछाल रही हैं। यदि आप टीम A की त्रुटियों और टीम B की त्रुटियों के बीच के अंतर को देखते हैं, और दोनों ही दुर्लभ लेकिन विशाल हैं, तो गणित स्केलम वितरण बन जाता है। यह दो दुर्लभ भूकंपों के बीच के अंतर को गिनने जैसा है।

3. गोपनीयता का "फ्लोर" ( $\delta$ -floor)

सबसे आश्चर्यजनक खोजों में से एक $\delta$ -फ्लोर (प्राइवेसी फ्लोर) है।

पुराना दृष्टिकोण: सुचारू दुनिया में, यदि आप पर्याप्त गोपनीयता मांगते हैं, तो रहस्य लीक होने का जोखिम प्रभावी रूप से शून्य किया जा सकता है।
नई वास्तविकता: इस क्रिटिकल "दुर्लभ उछाल" वाली दुनिया में, एक न्यूनतम जोखिम है जिसे आप मिटा नहीं सकते। अनंत कंप्यूटिंग शक्ति के साथ भी, एक बहुत छोटी संभावना (जैसे 10 लाख में 1) होती है कि "दुर्लभ उछाल" सच को उजागर कर दे।
रूपक: सुचारू दुनिया में, आप एक ऐसी दीवार बना सकते हैं जो इतनी ऊंची हो कि कोई उसे पार न कर सके। क्रिटिकल दुनिया में, दीवार के नीचे एक छेद होता है। आप बाकी की दीवार को कितना भी ऊंचा क्यों न बना लें, वह छेद बना रहता है। यह शोध पत्र गणना करता है कि वह छेद वास्तव में कितना बड़ा है।

4. वास्तविक जीवन के लिए यह क्यों मायने रखता है

यह केवल अमूर्त गणित नहीं है; यह इंजीनियरों को गोपनीयता उपकरण बनाने का तरीका बताता है।

ज्यादा जोर न दें: यदि आप स्थानीय रैंडमाइज़र को अत्यधिक पक्षपाती बनाकर (सर्वश्रेष्ठ सुरक्षा प्राप्त करने के लिए) गोपनीयता को अधिकतम करने की कोशिश करते हैं, तो आप अनजाने में इस "क्रिटिकल" क्षेत्र में जा सकते हैं।
जाल: आप सोच सकते हैं कि आप अधिक गोपनीयता प्राप्त कर रहे हैं, लेकिन आप वास्तव में एक ऐसी दीवार से टकरा रहे हैं जहाँ गणित बदल जाता है, और एक छोटा, अपरिहार्य रिसाव दिखाई देता है।
मार्गदर्शक: यह शोध पत्र एक मानचित्र प्रदान करता है। यह इंजीनियरों को बताता है: "यदि आप अपनी सेटिंग्स को $X$ पर ट्यून करते हैं, तो आपको एक सुचारू बेल कर्व मिलता है। यदि आप इसे $Y$ पर ट्यून करते हैं, तो आप दुर्लभ उछालों और एक गोपनीयता फ्लोर वाले 'क्रिटिकल' क्षेत्र में पहुँच जाते हैं। यदि आप $Z$ पर जाते हैं, तो गोपनीयता पूरी तरह से टूट जाती है।"

सारांश

यह शोध पत्र गोपनीयता तकनीक की चेतावनी लेबल है। यह कहता है: "जब आप सीमा के बहुत करीब पहुँच जाते हैं, तो नियम बदल जाते हैं। औसत की सुचारू, अनुमानित दुनिया, दुर्लभ, विशाल उछालों की दुनिया में बदल जाती है। और उस दुनिया में, कवच में एक छोटा, स्थायी छेद होता है जिसे आप कभी पूरी तरह से सील नहीं कर सकते।"

यह "पूर्णतः सुचारू गोपनीयता" के विचार को एक अधिक यथार्थवादी, ऊबड़-खाबड़ तस्वीर से बदल देता है जहाँ दुर्लभ घटनाएं नियमों का निर्धारण करती हैं।

यह "यूनिवर्सल शफल एसिम्प्टोटिक्स, पार्ट II: शफल प्राइवेसी के लिए नॉन-गौसियन लिमिट्स—पॉइसन, स्केलम, और कंपाउंड-पॉइसन रिजीम्स" (एलेक्स श्वेट्स, मार्च 2026) का एक विस्तृत तकनीकी सारांश है।

1. समस्या का विवरण और संदर्भ

यह शोध पत्र डिफरेंशियल प्राइवेसी (DP) के शफल मॉडल के एसिम्प्टोटिक व्यवहार को संबोधित करता है, जब स्थानीय प्राइवेसी पैरामीटर $\epsilon_0$ जनसंख्या आकार $n$ के साथ स्केल करता है।

पृष्ठभूमि: इस श्रृंखला के भाग I ने स्थापित किया था कि जब स्थानीय रैंडमाइज़र फिक्स्ड होता है और इसका फुल सपोर्ट शून्य से दूर होता है, तो शफल मैकेनिज्म एक गौसियन लिमिट (जो लोकल एसिम्प्टोटिक नॉर्मैलिटी - LAN और गौसियन डिफरेंशियल प्राइवेसी - GDP को संतुष्ट करता है) की ओर अभिसरित (converge) होता है।
अंतराल (The Gap): व्यवहार में, स्थानीय प्राइवेसी $\epsilon_0(n)$ अक्सर $n$ के साथ बढ़ती है (उदाहरण के लिए, एस्टिमेटर वेरिएंस को कम करने के लिए)। इस रिजीम में, सेंट्रल लिमिट थ्योरम (CLT) की "स्मॉल इंक्रीमेंट" धारणा विफल हो जाती है। दुर्लभ स्थानीय परिणाम जनसंख्या स्तर पर लॉग-लाइक्लीहुड रेशियो में मैक्रोस्कोपिक जंप ( $\Theta(1)$ ) का कारण बन सकते हैं।
उद्देश्य: यह शोध पत्र उस क्रिटिकल फ्रंटियर का लक्षण वर्णन करता है जहाँ शास्त्रीय गौसियन सन्निकटन (approximations) टूट जाते हैं। इसका लक्ष्य उन विशिष्ट स्केलिंग रिजीम्स के तहत शफल मैकेनिज्म के लिए शार्प नॉन-गौसियन लिमिट थ्योरी (पॉइसन, स्केलम, कंपाउंड-पॉइसन) प्राप्त करना है, जहाँ स्थानीय त्रुटि की प्रायिकता $O(1/n)$ के क्रम की होती है।

2. कार्यप्रणाली (Methodology)

लेखक सांख्यिकीय प्रयोग सिद्धांत (Le Cam theory) और प्रोबेबिलिटी लिमिट थ्योरम्स पर आधारित एक कठोर ढांचे का उपयोग करते हैं।

ले कैम दूरी (Le Cam Distance): अभिसरण के लिए प्राथमिक मीट्रिक बाइनरी प्रयोगों के बीच ले कैम दूरी ( $\Delta$ ) है। यह शोध पत्र परिमित- $n$ शफल ट्रांसक्रिप्ट लॉ और उनके लिमिटिंग डिस्ट्रीब्यूशंस के बीच टोटल वेरिएशन (TV) दूरी में अभिसरण को सिद्ध करता है, जो ले कैम दूरी के अभिसरण को दर्शाता है।
स्केलिंग रिजीम्स: विश्लेषण क्रिटिकल स्केलिंग पर केंद्रित है जहाँ पैरामीटर $a_n = e^{\epsilon_0(n)}/n$ $a_{n} = e^{ϵ_{0} (n)} / n$ एक स्थिरांक $c^2 \in (0, \infty)$ $c^{2} \in (0, \infty)$ में अभिसरित होता है।
- सब-क्रिटिकल (Sub-critical): $a_n \to 0$ (गौसियन रिजीम, भाग I में कवर किया गया)।
- क्रिटिकल (Critical): $a_n \to c^2$ (नॉन-गौसियन रिजीम, इस पेपर का मुख्य विषय)।
- सुपर-क्रिटिकल (Super-critical): $a_n \to \infty$ (प्राइवेसी कोलैप्स हो जाती है)।
सन्निकटन तकनीकें (Approximation Techniques):
- पॉइसन सन्निकटन (Poisson Approximation): दुर्लभ घटनाओं के बिनोमियल काउंट्स को पॉइसन डिस्ट्रीब्यूशन के साथ अनुमानित करने के लिए स्पष्ट कपलिंग बाउंड्स (चेन-स्टीन/ले कैम प्रकार) का उपयोग करना।
- स्केलम डिस्ट्रीब्यूशन (Skellam Distribution): आनुपातिक कंपोजिशन के लिए दो स्वतंत्र पॉइसन वेरिएबल्स के अंतर को मॉडल करना।
- कंपाउंड पॉइसन (Compound Poisson): इसे सामान्य परिमित अल्फाबेट्स तक विस्तारित करना जहाँ कई दुर्लभ त्रुटि प्रकार होते हैं।
- हाइब्रिड डिकम्पोजिशन (Hybrid Decomposition): "दो-डोमिनेंट" रिजीम्स के लिए, सांख्यिकी को एक गौसियन घटक (डोमिनेंट फ्लक्चुएशन) और एक कंपाउंड-पॉइसन घटक (दुर्लभ जंप) में विभाजित करना।

3. प्रमुख योगदान और परिणाम

यह शोध पत्र शफल प्राइवेसी की एक तीन-रिजीम तस्वीर स्थापित करता है, जिसमें क्रिटिकल रिजीम नया योगदान है।

A. कैनोनिकल नेबरिंग पेयर: पॉइसन-शिफ्ट लिमिट (सेक्शन 3)

परिदृश्य: बाइनरी रैंडमाइज्ड रिस्पॉन्स (RR) जिसमें सभी ज़ीरो वाला डेटासेट बनाम एक "वन" वाला डेटासेट ( $k=0$ बनाम $k=1$ )।
स्केलिंग: $e^{\epsilon_0(n)} \sim c^2 n$ ।
परिणाम: शफल ट्रांसक्रिप्ट TV डिस्टेंस में एक पॉइसन-शिफ्ट एक्सपेरिमेंट में अभिसरित होता है।
- नल हाइपोथीसिस $P_\infty \sim \text{Poi}(\lambda)$ जहाँ $\lambda = c^{-2}$ ।
- अल्टरनेटिव हाइपोथीसिस $Q_\infty \sim 1 + \text{Poi}(\lambda)$ ।
प्राइवेसी कर्व: लिमिटिंग प्राइवेसी कर्व पॉइसन टेल्स (tails) वाली एक स्पष्ट सीरीज़ है।
मुख्य अंतर्दृष्टि (The $\delta$ -floor): गौसियन रिजीम के विपरीत जहाँ $\epsilon \to \infty$ होने पर $\delta(\epsilon) \to 0$ होता है, पॉइसन लिमिट एक सपोर्ट-मिसमैच फ्लोर प्रदर्शित करता है। चूंकि $Q_\infty$ में 0 पर कोई मास नहीं है जबकि $P_\infty$ में है, इसलिए टू-साइडेड प्राइवेसी कर्व सभी $\epsilon$ के लिए $e^{-\lambda} = e^{-1/c^2}$ से नीचे सीमित है। यह इस रिजीम में प्राइवेसी एम्प्लीफिकेशन की एक मौलिक सीमा को दर्शाता है।

B. प्रोपोर्शनल कंपोजिशन्स: स्केलम-शिफ्ट लिमिट (सेक्शन 4)

परिदृश्य: बाइनरी RR जहाँ "वन" का अंश $\pi = k/n$ एक स्थिरांक $\pi \in (0, 1)$ में अभिसरित होता है।
परिणाम: सेंटर्ड हिस्टोग्राम एक स्केलम-शिफ्ट एक्सपेरिमेंट में अभिसरित होता है।
- $P_\infty \sim \text{Skellam}(\lambda_0, \lambda_1)$ जहाँ $\lambda_0 = (1-\pi)c^{-2}$ और $\lambda_1 = \pi c^{-2}$ ।
- $Q_\infty \sim 1 + \text{Skellam}(\lambda_0, \lambda_1)$ ।
प्राइवेसी कर्व: लिमिटिंग कर्व को स्केलम प्रोबेबिलिटी मास फंक्शन (जिसमें मॉडिफाइड बेसेल फंक्शन्स शामिल हैं) का उपयोग करके स्पष्ट रूप से निकाला गया है।
मुख्य अंतर्दृष्टि: इंटीरियर कंपोजिशन्स ( $\pi \in (0, 1)$ ) के लिए, स्केलम डिस्ट्रीब्यूशन का सपोर्ट पूरे पूर्णांकों $\mathbb{Z}$ पर है। फलस्वरूप, कोई सपोर्ट-मिसमैच फ्लोर नहीं है; प्राइवेसी कर्व $\epsilon \to \infty$ होने पर शून्य की ओर घटता है, जैसा कि बाउंड्री केस में होता है। स्केलम फैमिली $\pi=0$ और $\pi=1$ पर दो पॉइसन-शिफ्ट फैमिली के बीच निरंतरता से इंटरपोलेट करती है।

C. जनरल अल्फाबेट्स: मल्टीवेरिएट कंपाउंड-पॉइसन लिमिट (सेक्शन 5)

परिदृश्य: सामान्य परिमित आउटपुट अल्फाबेट्स के साथ "स्पार्स-एरर" क्रिटिकल रिजीम्स (डोमिनेंट आउटपुट्स की प्रायिकता $1-O(1/n)$ है, अन्य $O(1/n)$ है)।
परिणाम: सेंटर्ड हिस्टोग्राम एक मल्टीवेरिएट कंपाउंड-पॉइसन शिफ्ट में अभिसरित होता है।
- लिमिट विशिष्ट दुर्लभ त्रुटियों की गणनाओं को दर्शाने वाले स्वतंत्र पॉइसन वेरिएबल्स का एक वेक्टर है।
- शिफ्ट कंपोजिशन $\pi$ पर निर्भर करती है।
हाइब्रिड रिजीम (Two-Dominant Outputs): यदि डोमिनेंट मास दो आउटपुट्स के बीच विभाजित है (एक में कोलैप्स नहीं हो रहा है), तो लिमिट एक हाइब्रिड गौसियन/कंपाउंड-पॉइसन डिस्ट्रीब्यूशन है।
- डोमिनेंट ब्लॉक $\sqrt{n}$ स्केल पर फ्लक्चुएट करता है (गौसियन)।
- दुर्लभ त्रुटियाँ एक कंपाउंड-पॉइसन जंप फील्ड बनाती हैं।
- पेपर सिद्ध करता है कि हालांकि पूर्ण एक्सपेरिमेंट TV में अभिसरित नहीं होता (निरंतर गौसियन भाग के कारण), फिर भी प्राइवेसी कर्व्स अभिसरित होते हैं, और गौसियन घटक एक कॉमन फैक्टर के रूप में कार्य करता है जो प्राइवेसी प्रोफाइल को प्रभावित नहीं करता (कंडीशनल स्मूथिंग आर्गुमेंट्स के माध्यम से)।

D. फेज डायग्राम और सुपर-क्रिटिकल रिजीम (सेक्शन 6)

सब-क्रिटिकल ( $a_n \to 0$ ): गौसियन/GDP लिमिट्स (भाग I)।
क्रिटिकल ( $a_n \to c^2$ ): पॉइसन/स्केलम/कंपाउंड-पॉइसन लिमिट्स (यह पेपर)।
सुपर-क्रिटिकल ( $a_n \to \infty$ ): प्राइवेसी कोलैप्स हो जाती है। नेबरिंग डेटासेट्स के बीच टोटल वेरिएशन डिस्टेंस 1 के करीब पहुँच जाता है, जिसका अर्थ है कि वे प्राइवेसी बजट के बावजूद एसिम्प्टोटिक रूप से डिस्टिंग्विशेबल (विभेदित) हैं।

4. महत्व और निहितार्थ

यूनिवर्सलिटी को तोड़ना: यह पेपर प्रदर्शित करता है कि शफल मॉडल की "गौसियन यूनिवर्सैलिटी" नाजुक है। एक बार जब स्थानीय प्राइवेसी पैरामीटर इस तरह स्केल होता है कि त्रुटियों की अपेक्षित संख्या $O(1)$ होती है, तो लिमिट थ्योरी मौलिक रूप से बदलकर गौसियन से पॉइसन-टाइप प्रोसेस में बदल जाती है।
प्राइवेसी फ्लोर: यह कुछ कंपोजिशन्स के लिए क्रिटिकल रिजीम में प्राइवेसी एम्प्लीफिकेशन की एक हार्ड लिमिट की पहचान करता है। अनंत $\epsilon$ के साथ भी, लिमिट में शून्य त्रुटियों की प्रायिकता के कारण एक गैर-शून्य $\delta$ बना रहता है। यह इस धारणा को चुनौती देता कि $\epsilon$ बढ़ाने से हमेशा $\delta$ शून्य हो जाता है।
डिज़ाइन गाइडलाइन्स: यह परिणाम प्रोटोकॉल डिजाइनरों के लिए एक फेज डायग्राम प्रदान करते हैं:
- गौसियन-जैसे व्यवहार प्राप्त करने के लिए, $e^{\epsilon_0} \ll n$ रखें।
- क्रिटिकल बाउंड्री ( $e^{\epsilon_0} \approx n$ ) के पास काम करने के लिए, आपको गौसियन के बजाय पॉइसन/स्केलम कैलिब्रेशन का उपयोग करना चाहिए।
- यदि $e^{\epsilon_0} \gg n$ है, तो प्राइवेसी पूरी तरह से समाप्त हो जाती है।
मौजूदा बाउंड्स के साथ तुलना: पेपर दिखाता है कि मौजूदा एम्प्लीफिकेशन बाउंड्स (जैसे बाले एट अल., फेल्डमैन एट अल.) इस रिजीम में विफल रहते हैं।
- बाले एट अल. का "ब्लैंकेट" डिकम्पोजिशन कई छोटे योगदानों पर निर्भर करता है, जो तब लागू नहीं होता जब त्रुटियों की संख्या $O(1)$ हो।
- फेल्डमैन एट अल. का $n^{-1/2}$ एम्प्लीफिकेशन टेम्पलेट पॉइसन फ्लोर को मिस कर देता है।
ले कैम थ्योरी का अनुप्रयोग: समस्या को ले कैम डिस्टेंस और स्पष्ट TV रेट्स ( $O(1/n)$ ) के संदर्भ में फ्रेम करके, यह पेपर सांख्यिकीय प्रयोगों की तुलना करने के लिए एक कठोर आधार प्रदान करता है, जो केवल साधारण एसिम्प्टोटिक डिस्ट्रीब्यूशंस से आगे जाता है।

5. निष्कर्ष

"यूनिवर्सल शफल एसिम्प्टोटिक्स, पार्ट II" शफल प्राइवेसी लिमिट्स के चित्र को क्रिटिकल नॉन-गौसियन फ्रंटियर का लक्षण वर्णन करके पूरा करता है। यह स्थापित करता है कि जब स्थानीय प्राइवेसी इस तरह स्केल होती है कि त्रुटियों की अपेक्षित संख्या स्थिर रहती है, तो शफल मैकेनिज्म पॉइसन, स्केलम, या कंपाउंड-पॉइसन शिफ्ट प्रयोगों में अभिसरित होता है। यह कुछ कंपोजिशन्स के लिए प्राइवेसी में एक मौलिक "फ्लोर" को प्रकट करता है और उच्च-प्राइवेसी, उच्च-वेरिएंस रिजीम में प्राइवेसी प्रोटोकॉल का विश्लेषण और डिज़ाइन करने के लिए आवश्यक गणितीय उपकरण प्रदान करता है।