多级本地化差分隐私算法推荐框架OA北大核心CSTPCD
Multi-level local differential privacy algorithm recommendation framework
本地化差分隐私(LDP)算法通常为不同用户分配相同的保护机制及参数,却忽视了不同用户终端设备资源与隐私需求的差异.为此,提出一种多级LDP算法推荐框架.该框架考虑服务商以及用户的需求,通过服务商和用户的多级管理实现多用户差异化隐私保护.将框架应用至频数统计场景形成LDP算法推荐方案,改进LDP算法以保证统计结果的可用性,设计协同机制保护用户的隐私偏好.实验结果证明了所提方案的可用性.
王瀚仪;李效光;毕文卿;陈亚虹;李凤华;牛犇
中国科学院信息工程研究所,北京 100093中国科学院大学网络空间安全学院,北京 100049西安电子科技大学网络与信息安全学院,陕西西安 710071中国科学院信息工程研究所,北京 100093中国科学院大学网络空间安全学院,北京 100049中国科学院信息工程研究所,北京 100093
信息技术与安全科学
本地化差分隐私资源自适应个性化隐私预算
《通信学报》 2022 (8)
面向社交媒体大数据隐私保护和安全共享的隐私计算理论与技术研究
52-64,13
国家重点研发计划基金资助项目(No.2021YFB3100300)国家自然科学基金资助项目(No.61872441,No.61932015)
评论