Calibrate：通过引入先验知识实现局部差分隐私下的频率估计与重度元素识别

估计群体中某些条目的频率是数据分析的基本步骤，它支撑了更高级的数据分析（例如重度元素识别、频繁模式挖掘）、客户端软件优化，以及检测浏览器中用户设置被非预期或恶意劫持的情况。具有局部差分隐私 (LDP) 的频率估计与重度元素识别在保护用户隐私的同时也保护了数据收集方。现有 LDP 算法无法利用 1) 关于估计条目频率中噪声的先验知识，以及 2) 关于真实条目频率的先验知识。因此，它们在实践中表现次优。本工作中，我们旨在设计能够利用此类先验知识的 LDP 算法。具体而言，我们设计了 ${Calibrate}$ 以通过统计推断引入先验知识。${Calibrate}$ 可附加于现有 LDP 算法之后以降低其估计误差。我们将关于噪声与真实条目频率的先验知识分别建模为两个概率分布。给定这两个概率分布以及由现有 LDP 算法产生的某条目估计频率，我们的 ${Calibrate}$ 计算该条目频率的条件概率分布，并以该条件概率分布的均值作为该条目的校准频率。由于数据稀疏性，估计这两个概率分布具有挑战性。我们通过融合统计学与机器学习技术应对该挑战。我们在两个真实数据集上的实证结果表明，${Calibrate}$ 在频率估计与重度元素识别上显著优于最先进的 LDP 算法。