這篇文章提出的FLEX工具，是PrivSQL作者主要參考的工具和實驗對比的物件

於是很有必要讀一下這篇文章

摘要

   現有的差異隱私機制不支援基於SQL的現實分析系統中使用的各種功能和資料庫，所以我們提出了彈性敏感性，這是一種用一般的等聯接來逼近查詢的區域性敏感性的新方法。並且證明了彈性敏感度是區域性敏感度的上限，因此可以使用任何基於區域性敏感度的機制來強制執行差異性隱私。

   我們構建了FLEX，是一個端到端系統，可以使用彈性敏感性對SQL查詢強制實施差異隱私。並且FLEX與任何現有資料庫相容，可以為實際SQL查詢強制實施差異性隱私，效能開銷低。

1.介紹

   資料分析師已經開始依賴對資料的無限制訪問來獲得最大的生產力。通常以支援SQL查詢的關係資料庫的形式提供此訪問。當前技術不能為個人提供隱私保護，同時為分析人員提供通用訪問許可權。

   允許組織成員不受限制地訪問資料是主要的侵犯隱私的原因。差異隱私允許對資料進行常規統計分析，同時通過強有力的正式隱私保護來保護有關個人的資料，於是使用差異隱私是一個很好的解決方案。用於通用資料分析的差異性隱私仍然是一個開放的話題挑戰。（值得突破的點或者領域）

   各種機制[14、41-43、45、48]為類似SQL的查詢的某些子集提供了不同的隱私。其中

   14是J. Blocki, A. Blum, A. Datta, and O. Sheffet. Differentially private data analysis of social networks via restricted sensitivity. In Proceedings of the 4th Conference on Innovations in Theoretical Computer Science, ITCS ’13,pages 87–96, New Y ork, NY , USA, 2013. ACM.

　　  41是F. D. McSherry. Privacy integrated queries: an extensible platform for privacy-preserving data analysis. In Proceedings of the 2009 ACM SIGMOD International Conference on Management of data, pages 19–30. ACM, 2009.

 　　 42是P . Mohan, A. Thakurta, E. Shi, D. Song, and D. Culler. Gupt: privacy preserving data analysis made easy. In Proceedings 

　　 43是A. Narayan and A. Haeberlen. Djoin: differentially private join queries over distributed databases. In Presented as part of the 10th USENIX Symposium on Operating Systems Design and Implementation (OSDI 12), pages 149–162,2012.

        45是K. Nissim, S. Raskhodnikova, and A. Smith. Smooth sensitivity and sampling in private data analysis. In Proceedings of the thirty-ninth annual ACM symposium onTheory of computing, pages 75–84. ACM, 2007.

   48是D. Proserpio, S. Goldberg, and F. McSherry. Calibrating data to sensitivity in private data analysis: A platform for differentially-private analysis of weighted datasets. PVLDB,7(8):637–648, 2014.

         通過對作者引用的文章發現，自己設計某個系統前自己需要閱讀大量的文章作為基礎，一篇一篇地讀文章吧。

        此外，儘管對差異性隱私的理論方面進行了廣泛的研究，但對於差異性隱私對現實世界查詢的定量影響知之甚少。