摘要：5月13日星期一 论文：Practical Locally Private Heavy Hitters 看了引言部分，发现什么也没看懂，就这样吧 一天结束，over。 5月14日星期一 论文：Practical Locally Private Heavy Hitters 阅读全文

摘要：一、摘要 主要研究问题基于本地化差分隐私的k-分布，之前最佳的算法要求的是线性通信代价(k)，而服务器计算时间的n*k，n表示所有的用户样本。 作者提出的HR不要求共享随机性，并且每个用户输入的数据都是对称的，对于所有的隐私预算ε ，每个用户的通信代价为logk+2，服务器计算时间为O(n+k)。 阅读全文

摘要：首先研究HR算法在概率分布估计中的实现，我们再考虑如何将其应用于频繁项挖掘中。 一、确定输入数据类型 比如我们假设k=10，我们得到均匀分布概率为p= [0.1, 0.1, 0.1, 0.1, 0.1, 0.1, 0.1, 0.1, 0.1, 0.1] 我们从[0,10)以概率p选取10个数作为输入 阅读全文

摘要：具体过程 一、初始化方法： 属性输入阈值的大小InputSize，输出阈值的大小OutSize，输出位的大小OutBit，隐私预算PrivacyParameters， 这个方法中输入的值是：阈值的大小AphbetSize，隐私参数，编码精度3个参数 InputSize=AphbetSize OutS 阅读全文