Differential Privacy Epsilon Budget Calculator

使用basic sequential composition规则跟踪用户提供的 Differential Privacy epsilon 预算。输入历史消耗、每次发布的 epsilon 和计划发布次数，估算剩余预算；此工具不会选择隐私阈值或隐私机制。

Epsilon 总预算 (epsilon)已使用的 Epsilon (epsilon)每次计划发布的 Epsilon (epsilon/release)计划发布次数 (releases)

结果

计划发布后的剩余 Epsilon

预计累计已用 Epsilon

预计预算使用比例

计划之后还可发布的同等规模次数

使用方法工具

输入数据集或隐私核算范围的 epsilon 总预算。
输入已使用的 epsilon、每次计划发布计入的 epsilon，以及发布次数。
查看预计消耗和剩余 epsilon。剩余值为负表示按基本组合规则，计划发布将超出所填预算。

假设条件

对 pure Differential Privacy 使用基本加法顺序组合。不采用高级组合、并行组合、子抽样放大或 RDP accountant。
不模拟近似 DP 的 delta。若机制使用 delta 或混合核算方法，此算术并非完整的隐私核算。
工具只跟踪输入值；不会判断数据集或政策适用的 epsilon、delta、机制或发布计划。

来源与参考数据

NIST：Differential Privacy

技术细节：字段含义

Epsilon 总预算 epsilonBudget: 由隐私政策或分析确定的该核算范围 epsilon 上限。
已使用的 Epsilon epsilonSpent: 同一范围并按相同核算方法组合的历史 epsilon 消耗。
每次计划发布的 Epsilon epsilonPerRelease: 每次后续发布计入的 epsilon；此值由用户提供，不由隐私机制推导。
计划发布次数 plannedReleaseCount: 纳入预测的相同 epsilon 发布次数。

方法说明

对 pure DP 使用basic sequential composition：预计已用 epsilon = 之前的 epsilon + 每次发布 epsilon × 计划发布次数。剩余 epsilon = 总预算 − 预计消耗。计划之后还可进行的同等规模发布次数 = floor(max(0, 剩余 epsilon) ÷ 每次发布 epsilon)。

计算示例

计划以每次 epsilon 0.35 发布四次

输入项: Epsilon 总预算: 5 epsilon, 已使用的 Epsilon: 2.4 epsilon, 每次计划发布的 Epsilon: 0.35 epsilon/release, 计划发布次数: 4 releases

结果: 预计消耗为 3.8 epsilon；剩余 1.2 epsilon。按基本组合规则，每次 0.35 epsilon 时，预算还容纳三次同等规模发布。

实用指南

保持核算范围一致，并在组合总量前记录每次发布计入的 epsilon。
依赖简单求和前，先确认机制属于 pure DP 还是近似 DP（epsilon, delta），并检查组合或放大假设是否适用。

常见错误

把 epsilon 当作有统一推荐阈值的通用隐私评分；可接受预算取决于机制、数据、发布计划和政策。
将不同数据集或核算范围的 epsilon 值相加，仿佛它们属于同一预算。

常见问题

它会计算 delta 或高级组合吗？

不会。它仅对 epsilon 使用基本加法组合，不计算 delta、高级组合、子抽样放大或 RDP。

剩余 epsilon 为正，是否表示发布有足够隐私保护？

不是。这只表示输入的算术结果未超过输入预算。选择机制和阈值需要完整的隐私分析及政策判断。

上次审核： 2026-10-18

这是简单的 epsilon 账本，不是 Differential Privacy accountant。它不会检查机制、根据数据/噪声计算 epsilon、模拟 delta，也不提供安全、法律或隐私政策建议。

此工具根据上述假设提供参考估算值。

主题和工具偏好设置，以及已保存和最近使用的列表仅存储在此浏览器中。