典型文献
多级本地化差分隐私算法推荐框架
文献摘要：
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.
文献关键词：
本地化差分隐私;资源自适应;个性化隐私预算
中图分类号：
作者姓名：
王瀚仪;李效光;毕文卿;陈亚虹;李凤华;牛犇
作者机构：
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
文献出处：
引用格式：
[1]王瀚仪;李效光;毕文卿;陈亚虹;李凤华;牛犇-.多级本地化差分隐私算法推荐框架)[J].通信学报,2022(08):52-64
A类：
个性化隐私预算
B类：
本地化差分隐私,算法推荐,推荐框架,LDP,同用,保护机制,用户终端,终端设备,服务商,多级管理,多用户,隐私保护,频数统计,推荐方案,可用性,协同机制,资源自适应
AB值：
0.304844
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
