이 논문은 차등 프라이버시 최적화의 기본 샘플러인 포아송 서브샘플링 대신, 랜덤 할당·에폭별 할당·랜덤 체크인 같은 구조화된 참여 방식이 실제로 얼마나 프라이버시를 보장하는지 정밀 분석한다. 참여 지시 벡터가 음의 상관관계를 가지면 정수 레니 차수 α≥2에서 독립 방식보다 항상 우월한 프라이버시를 보인다는 것을 증명했으며, 이는 노이즈 전략의 그램 행렬이 부호 균형을 이룰 때 메커니즘 수준까지 확장된다. 그러나 k=1인 랜덤 할당의 경우 α<3/2(KL 발산 포함)에서는 큰 t에서 우월성이 역전되며, 교차 차수는 σ와 무관하게 3/2에 수렴함을 보였다. 또한 (1-q)^t 이하에서는 하키스틱 순서가 뒤집혀 포아송 기반 계산을 구조화된 참여에 그대로 대입하는 것이 부적절함을 규명했다. 이 결과는 언제 포아송 기반 프라이버시 계산을 구조화된 참여에 적용할 수 있고 언제 실패하는지에 대한 대체 지침을 제공한다.

• •구조화된 참여 방식(랜덤 할당·에포크별 할당·랜덤 체크인)의 프라이버시가 포아송 서브샘플링과 비교 분석됐다.
• •참여 벡터가 음의 상관관계를 가지면 정수 레니 차수 α≥2에서 항상 독립 방식보다 우월한 프라이버시를 보인다.
• •k=1 랜덤 할당에서는 α<3/2일 때 큰 t에서 우월성이 역전되며 교차 차수는 3/2에 수렴한다.
• •(1-q)^t 이하 구간에서 하키스틱 순서가 반전되어 포아송 기반 대입이 부적절해지는 지점을 규명했다.
• •언제 포아송 기반 계산이 구조화된 참여에도 유효하고 언제 대안이 필요한지 지침을 제시한다.