Quyền riêng tư khác biệt với các ngoại lệ

Để sử dụng cơ chế Laplace, chúng ta phải lấy độ nhạy toàn cục của hàm truy vấn. Chúng ta sẽ làm gì trong trường hợp có một ngoại lệ lớn (hoặc nhiều ngoại lệ) trong tập dữ liệu sao cho độ nhạy toàn cầu trở nên quá lớn và thêm nhiễu dẫn đến kết quả đầu ra truy vấn không còn ý nghĩa nữa. Trong trường hợp nào chúng ta có thể sử dụng độ nhạy cục bộ. Bất kỳ ý tưởng, giấy tờ, tài liệu tham khảo sẽ được đánh giá cao.

Thực sự có rất ít việc có thể làm được trong tình huống như thế này. Tiếng ồn chỉ được tham số hóa bởi $\Delta f/\epsilon$ ở đâu $\Delta f$ thể hiện chính xác mức độ thay đổi của hàm khi một ngoại lệ như vậy được thêm hoặc xóa khỏi tập hợp được truy vấn và $\epsilon$ định lượng chính xác mức độ khó để đối thủ phát hiện ra sự thay đổi. Các tùy chọn của bạn về cơ bản là một hoặc nhiều điều sau đây

• làm cho các ngoại lệ được xác định dễ dàng hơn (bằng cách tăng $\epsilon$);
• thanh lọc dữ liệu của bạn về các ngoại lệ (do đó làm giảm $\Delta f$ bằng cách thay đổi các tập hợp con được phép, nhưng đặt câu hỏi về tính toàn vẹn của dữ liệu);
• thay đổi chức năng truy vấn của bạn thành thứ gì đó mượt mà hơn để ảnh hưởng của các giá trị ngoại lai ít nghiêm trọng hơn (giảm $\Delta f$ bằng cách thay đổi chức năng, nhưng có khả năng làm mất một số thông tin được thu thập).

Tất cả những điều này đều có nhược điểm.