基于局部差分隐私的加密辅助图度序列释放

给定定义在域$\mathcal{G}$上的图$G$，我们研究用于释放准确近似实际度分布的局部差分隐私机制。现有解决方案大多基于边删除过程的图投影技术，使用阈值参数$\theta$来限制节点度。然而，这种方法在阈值参数选择上存在根本性的权衡。虽然较大的$\theta$值会在释放的度序列中引入显著噪声，但较小的$\theta$值则会导致不必要的边被删除。此外，$\theta$的选择会导致通信成本的过度。为弥补现有解决方案的不足，我们提出了CADR-LDP（Crypto-Assisted Degree Release under LDP），一个高效框架，集成加密技术和差分隐私机制以释放度序列。在CADR-LDP中，我们首先使用加密辅助的最优$\theta$选择方法以低通信成本选择最优参数。随后，我们使用LPEA-LOW方法通过局部投影中的边添加过程为每个节点添加一些边。LPEA-LOW优先处理低度节点，这可以保留这些节点的更多边并减少投影误差。理论分析表明，CADR-LDP满足$\epsilon$-节点局部差分隐私。实验结果在八个图数据集上表明，我们的解决方案优于现有方法。