这篇文章提出的FLEX工具，是PrivSQL作者主要参考的工具和实验对比的对象
于是很有必要读一下这篇文章
摘要
现有的差异隐私机制不支持基于SQL的现实分析系统中使用的各种功能和数据库，所以我们提出了弹性敏感性，这是一种用一般的等联接来逼近查询的局部敏感性的新方法。并且证明了弹性敏感度是局部敏感度的上限，因此可以使用任何基于局部敏感度的机制来强制执行差异性隐私。
我们构建了FLEX，是一个端到端系统，可以使用弹性敏感性对SQL查询强制实施差异隐私。并且FLEX与任何现有数据库兼容，可以为实际SQL查询强制实施差异性隐私，性能开销低。
1.介绍
数据分析师已经开始依赖对数据的无限制访问来获得最大的生产力。通常以支持SQL查询的关系数据库的形式提供此访问。当前技术不能为个人提供隐私保护，同时为分析人员提供通用访问权限。
允许组织成员不受限制地访问数据是主要的侵犯隐私的原因。差异隐私允许对数据进行常规统计分析，同时通过强有力的正式隐私保护来保护有关个人的数据，于是使用差异隐私是一个很好的解决方案。用于通用数据分析的差异性隐私仍然是一个开放的话题挑战。（值得突破的点或者领域）
各种机制[14、41-43、45、48]为类似SQL的查询的某些子集提供了不同的隐私。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 of the 2012 ACM SIGMOD International Conference on Management of Data, pages 349–360. ACM, 2012.
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.
通过对作者引用的文章发现，自己设计某个系统前自己需要阅读大量的文章作为基础，一篇一篇地读文章吧。
此外，尽管对差异性隐私的理论方面进行了广泛的研究，但对于差异性隐私对现实世界查询的定量影响知之甚少。