考虑到不受信任的服务器，差分隐私和本地差分隐私已用于数据聚合中的隐私保留。 通过我们的分析，差异隐私和本地差异隐私无法实现基于移动服务的多用户协作的隐私和实用程序之间的Nash平衡，这是多用户以协作方式协商所需的隐私预算以保护隐私。 为此，我们提出了一个隐私保护数据聚合框架（PPDAF），该框架在隐私和实用程序之间达到了纳什均衡。 首先，我们提出了一种自适应高斯机制，通过在预期隐私预算下将预期效用因子与条件过滤噪声相乘来满足隐私与效用之间的纳什均衡。 其次，我们在协商隐私权预算和启发式混淆的基础上，采用自适应高斯机制构造了PPDAF。 最后，我们的理论分析和实验评估表明，PPDAF可以在隐私和效用之间达到纳什均衡。 此外，该框架可以扩展到数据聚合设置中的工程实例。
