作者：gufe_hfding

论文概要

今天要介绍的论文是香港理工大学叶青青老师发表在ICDE 2020上的海报论文“Towards Locally Differentially Private Generic Graph Metric Estimation”，叶老师从人民大学孟小峰老师团队毕业，并入职香港理工大学胡海波老师团队，她在本地差分隐私方面做了些不错的工作，在。

这篇海报论文有完整版的，挂在胡海波老师的网站上：http://www.eie.polyu.edu.hk/~haibohu/papers/lfgdpr.pdf
论文的引用格式如下：

Qingqing Ye, Haibo Hu, Man Ho Au, Xiaofeng Meng, Xiaokui Xiao:
Towards Locally Differentially Private Generic Graph Metric Estimation. ICDE 2020: 1922-1925

论文主要创新

这篇论文主要是针对图数据隐私采集提供了解决比较好的解决方案，利用本地差分隐私对分布式环境的图数据聚合采集问题，提出了关于图节点邻接向量和度分别加噪，聚合成各类图分析的函数。本质原因是邻接向量和度能构成其他图的特征分析的函数，比如聚集系数、社团检测等函数。这种框架能够为通用的分布式图采集及其采集后的数据分析提供解决方案。

启发

由于对本地差分不是特别了解。就这种分布式的图数据采集和应用场景，是非常需要的。针对其他类型的图，比如属性图、有向图等是否也能设计类似的通用分布式采集，能否做到支持通用的各类图特性分析。还有，更加复杂的图分析呢？

看来需要更加深度的对比下图分析的函数，找出来共性特征，对这些特征值进行加噪，是否就更好呢？