局部差分隐私下有向网络的推断

本文研究了在保护隐私的同时发布有向图的问题。它侧重于 $p_0$ 模型，并在局部差分隐私下使用边缘翻转机制。核心贡献是模型参数的私有估计器，证明其具有一致性和正态分布。本文还比较了输入和输出扰动方法，并将该方法应用于真实世界的网络。

• •提出了一种使用 $p_0$ 模型进行有向网络私有推断的方法。
• •在局部差分隐私下采用边缘翻转机制。
• •提供具有理论保证（一致性、正态性）的私有估计器。
• •比较了不同的扰动方法，以实现隐私保护和准确性。
• •将该方法应用于真实世界的网络（加州大学尔湾分校消息网络）。