基于局部差分隐私无超集假设的设施位置问题

本文提出了设施位置问题的一个变体，并在局部差分隐私（LDP）框架下进行分析。在此模型下，我们确保客户端在特定位置的隐私。当 n 为点数时，Gupta 等人对任何应用于原始设施位置问题的差分隐私算法，建立了 $\Omega(\sqrt{n})$ 的近似比率下界。因此，后续研究采用超集假设，可能妥协用户隐私。我们表明，此下界并不适用于我们的变体，通过提出一种实现常数近似比率且添加量相对较小的 LDP 算法。此外，我们提供实验结果，表明该算法在人工生成数据集和真实数据集上均优于直观方法。