在线广告是互联网生态的支柱，广告测量（如将购买行为归因于广告曝光）对优化效率至关重要。然而，这种跨平台数据收集面临日益严格的隐私限制。本文首次将广告测量系统在实时报告流数据场景下的实际挑战正式化，提出了AdsBPC——一种新颖的用户级差分隐私保护方案，用于在线广告测量结果。该方法优化了全局噪声功率，生成了非相同分布的噪声分布，在保证差分隐私的同时提高了测量准确性。通过在真实广告活动和合成数据集上的实验，AdsBPC相比现有的流式差分隐私机制在广告测量应用中实现了33%至95%的准确率提升。研究贡献包括：形式化广告测量隐私问题、提出自适应噪声机制、以及实证证明该方法在正式隐私保证下实现了优越的准确性，推动了隐私保护广告测量的最前沿技术。