MVG，也就是 matrix-variate Gaussian mechanism，通常翻成矩阵变量高斯机制，它是差分隐私里对“矩阵型输出”加噪声的一种方法。

你可以先把它理解成一句很朴素的话：

以前我们常给“一个数”加高斯噪声，后来给“一个向量”加高斯噪声；那如果我要发布的是“一个矩阵”呢？MVG 就是专门给矩阵加高斯噪声的版本。

比如：

• 你要发布一个协方差矩阵
• 你要发布一个线性变换矩阵
• 你要发布一个查询结果表格
• 你要发布某个模型里的矩阵参数

这时候，如果还把矩阵硬拉平成一个长向量再加普通高斯噪声，当然也能做，但会有点“粗暴”。

MVG 的想法是：既然对象本来就是矩阵，那噪声也应该按矩阵的结构来设计。

一、先讲直觉：它到底在干嘛？

先回忆普通高斯机制（Gaussian mechanism，高斯机制）在做什么。

1. 对标量

如果查询输出是一个数 $f(D)$，那就发布：

$f(D) + Z$

这里 $Z$ 是一个高斯随机变量，也就是“钟形分布”的随机噪声。

2. 对向量

如果输出是一个向量 $\mathbf{f}(D)$，那就发布：