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。
科研之友
微信
新浪微博
Facebook
分享链接
