BLENDER：使用混合差异隐私模型实现本地搜索

我们建议混合动力差异隐私模型，该模型考虑了希望分别获得本地隐私模型和可信策展人模型的差异隐私保障的常规用户和opt-in用户的组合。我们证明，在这个模型中，可以设计一种新型的混合用于私下计算web搜索日志中最流行记录的任务的算法。与相关工作相比，这种混合方法显著提高了所获得数据的效用，同时为用户提供了所需的隐私保障。具体来说，在两个大型搜索点击数据集上，分别包含480万个和1320万个独特查询，我们的方法在一系列常用的隐私预算值中获得超过95%的NDCG值。