浮点算术在计算领域无处不在，因其能够表示极大和极小的数值范围，成为存储、分析和操作数值数据的首选方法。然而，这种灵活性在安全/隐私敏感的场景中带来了额外风险。本文探讨了当向敏感值添加噪声时，浮点算术导致的信息泄露威胁——这种泄露可能使敏感信息被恢复（例如在差分隐私中）。作者提出了一种名为尾数位操作（Mantissa Bit Manipulation, MBM）的解决方案，该方案比当前最先进的方法快数个数量级，适用于大多数连续概率分布以及所有浮点数格式。MBM通过直接操作浮点数的尾数位来高效地生成符合要求的噪声，避免了传统方法中复杂的计算和舍入误差，从而在保证安全性的同时大幅提升性能。实验表明，MBM在多种分布（如拉普拉斯、高斯）和浮点格式（32位、64位等）下均能有效工作，显著降低了噪声添加的计算开销。该研究为差分隐私等需要加噪的场景提供了更实用的基础工具，有助于推动隐私保护技术的实际部署。