계층적 구조를 가진 데이터셋에서 개인 정보를 보호하면서 유용한 정보를 공개하는 것은 상당한 어려움을 제시합니다. 표준 개인 정보 보호 메커니즘, 특히 차등 프라이버시는 계층의 다양한 수준과 구성 요소에 걸쳐 유한한 프라이버시 예산을 신중하게 할당해야 합니다. 최적이 아닌 할당은 과도한 노이즈로 이어져 데이터를 쓸모없게 만들거나 민감한 정보에 대한 보호가 불충분해질 수 있습니다. 본 논문은 계층적 데이터 공개를 위한 최적의 프라이버시 예산 할당이라는 중요한 문제를 다룹니다. 데이터 세분성과 프라이버시 손실 간의 고유한 상충 관계를 고려하면서 총 프라이버시 예산을 준수하는 데이터 유틸리티를 극대화하는 것을 목표로 제약된 최적화 문제로 이 문제를 공식화합니다. 제안된 접근 방식은 이론적 분석에 의해 뒷받침되고 실제 계층적 데이터셋에 대한 포괄적인 실험을 통해 검증됩니다. 이러한 실험은 최적의 프라이버시 예산 할당이 공개된 데이터의 유틸리티를 크게 향상시키고 다운스트림 작업의 성능을 향상시킨다는 것을 보여줍니다.
