局所差分プライバシ（LDP）は個人のプライバシを定量的に保証するプライバシ指標であり，データ形式やユースケースに応じてLDPを満たすメカニズムが提案されている．提案されたメカニズムの多くは，最悪ケースを考慮したノイズをデータに与えることでLDPを厳密に満たす．本稿では，LDPを拡張した機能的局所差分プライバシ（FLDP）を定義し，LDPおよびFLDPを同時に満たす確率的メカニズムを提案する．データ保有者が特定の特徴の開示を許す場合，最悪ケースを考慮する必要がなくなるため，小さいノイズでプライバシを保証することができる．さらにFLDPメカニズムを用いたプライバシ保護フレームワークを提案し，画像データを用いた実験を通して提案フレームワークの評価を実施する．