差分隐私拉普拉斯机制进行数据的加密与解加密（简单类型）

import numpy as np

def laplace_mechanism(data, sensitivity, epsilon):
    # 计算噪声比例
    beta = sensitivity / epsilon
    # 生成符合拉普拉斯分布的噪声
    noise = np.random.laplace(loc=0.0, scale=beta, size=data.shape)
    # 加密数据
    encrypted_data = data + noise
    return encrypted_data

def laplace_mechanism_inverse(encrypted_data, sensitivity, epsilon):
    # 计算噪声比例
    beta = sensitivity / epsilon
    # 生成符合拉普拉斯分布的噪声
    noise = np.random.laplace(loc=0.0, scale=beta, size=encrypted_data.shape)
    # 解密还原数据
    decrypted_data = encrypted_data - noise
    return decrypted_data

# 加载数据集
data = np.array([[5.1, 3.5, 1.4, 0.2],
                [4.9, 3.0, 1.4, 0.2],
                [4.7, 3.2, 1.3, 0.2],
                [4.6, 3.1, 1.5, 0.2],
                [5.0, 3.6, 1.4, 0.2],
                [5.4, 3.9, 1.7, 0.4],
                [4.6, 3.4, 1.4, 0.3],
                [5.0, 3.4, 1.5, 0.2]])

epsilon = 1.0  # 加密参数，可根据需求进行调整
sensitivity = 1.0  # 敏感度，对于每一列数据，这里假设为1

# 数据加密
encrypted_data = laplace_mechanism(data, sensitivity, epsilon)
print("加密数据:")
print(encrypted_data)

# 数据解密还原
decrypted_data = laplace_mechanism_inverse(encrypted_data, sensitivity, epsilon)
print("解密还原后的数据:")
print(decrypted_data)

要想满足解误差足够小，需要复杂算法和调参，暂时没有思路，四舍五入精度不够。

运行结果如下：