zoukankan      html  css  js  c++  java
  • 精读Hadamard Response论文

    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)。

          文中的编码和解码主要基于哈达玛矩阵,统计性能包括行之间的最大汉明距离,算法高效实现使用了Fast Walsh-Hadamard变换,从而获得计算增益。

    二、引言

           1、效用值

                 我们即希望保护用户的个人隐私,又能够得到多个用户样本的估计分布。

           2、隐私

                之前的隐私分布估计没有考虑到两个重要的资源,用户的通信复杂度和客户端的计算复杂度,特别是在用户数据较多时,计算代价就会很高。

           3、计算复杂度

                 heavy hitters中要求共享随机性并且是非对称方案,[7]使用哈达玛变换,与本文不同的是用于形成正交基础和减少存储。

           4、通信复杂度

                 每个用户发送到服务端的位数,之前是k位,本文实现了对数通信。

    三、初始化

  • 相关阅读:
    对于.net config文件中加密使用
    删除windows不想要的服务
    ora12514: tns: 监听程序当前无法识别连接描述符中请求的服务
    读《.NET设计规范》笔记
    创建服务总结
    加载XML文档
    XMLHttpRequest对象的使用
    ReportView控件的使用
    C#代码的编译过程
    Qt vs设置可执行程序图标
  • 原文地址:https://www.cnblogs.com/Optimism/p/10615995.html
Copyright © 2011-2022 走看看