大数据时代移动边缘计算架构中的差分隐私保护（二）
实际上，给数据加拉普拉斯噪声或者是指数噪声是针对中心式的差分隐私处理框架的，对于本地化的差分隐私处理框架，现在已有的是采用随即相应技术、Bloom Filter等技术满足ε-本地化差分隐私。
LDP 下，离散型数据的随机响应方法包括RAPPOR、S-Hist、k-RR和ORR等，连续型数据的随机响应方法有MeanEst和Harmony-mean等。
由于ε的设计对于LDP而言是比较讲究的，噪声越大，对数据的保护程度越高，但同时数据的可用性也随之降低。
目前已有的一些研究方向：
