最近、インコンテキスト学習における微分プライバシー（DP-ICL）がプライバシーリスクのため注目されていますが、従来のアプローチでは重要な類似性検索の要素が無視されがちです。本研究では、関連する例の最近傍探索をプライバシーに配慮して統合したDPフレームワークを導入します。この手法は、既存の基準と比較してすべての評価指標で顕著な向上を見せ、プライバシーとユーティリティのトレードオフを改善します。特に、文脈データのデータベースから最近傍の取得を行い、選択されたサンプルの累積プライバシーコストを追跡するプライバシーフィルターにより、中心的な微分プライバシー予算の遵守を保証します。テキスト分類や文書質問応答の実験結果は、提案手法が既存の基準よりも明確な利点を持つことを示しています。