实验室在CCF A 发表多篇论文

实验室博士生但唐朋在瞬态道路网络方向研究成果被顶会ICDE录用。这项研究针对最短距离查询在空间/时间方面非常昂贵的问题，提出了一种新的双层次标记索引，它由分层图分区树和分层边界标记列表组成。这项研究首先使用分层图分区将整个道路网络拆分为分层子图，然后通过平衡树对这些子图进行索引。为了保留子图边界顶点之间的所有连通性信息，为每个叶节点构建了一个基于时间的距离反转文件。对于分层标注列表，只为边框顶点构造它，并使用它来加快查询处理速度。此外，还提出了标签传播更新，以管理权重变化时的标签更新。最后，针对给定查询顶点之间的不同搜索情况，提出了一种相位感知搜索算法，以保证查询效率。通过大量的实验验证了所提建议在查询处理和索引维护方面的优越性。

实验室博士生王雷霞在本地差分隐私方向研究成果被顶刊TKDE录用。在大规模数据收集场景下，为保护用户的隐私，本地差分隐私被广泛研究。但由于在用户本地引入过多噪声，导致数据效用低，极大地阻碍了它的现实应用。这项研究对集值数据进行研究，即考虑每个用户都有一组（可变大小的）值，在保护隐私的前提下统计这些值的频率。该问题的关键挑战在于——每个用户集的大小不同，并且可能与域大小一样大。无论是在的阈内扰乱每个用户的集值，还是以隐私预算分别扰动用户持有的每一个值，都会造成明显的效用损失。这项研究提出了EPS²框架。基于该框架提出了三种协议：ESS-BP、PSS-VP和PSS-AP，充分利用了采样和洗牌的双重隐私放大。这三种协议独特的采样策略和扰动机制导致了不同的隐私放大界限和优化的效用。大量的实验证明了协议的有效性。

实验室博士生毕业生，香港理工大学助理教授叶青青在数据隐私与安全方向研究成果被顶会TDSC录用。为了解决隐私问题，有人提出了本地差分隐私技术，让不受信任的收集者能够获取敏感用户数据（如位置、健康和财务数据）的准确统计估算，而无需实际访问真实记录。由于键值数据是一种非常流行的 NoSQL 数据模型，因此有一些文献研究了基于 LDP 的键值数据的统计估算。然而，这些工作仅支持较小的键空间、固定的密钥收集范围、难以选择合适的填充长度以及高昂的通信成本。这项工作提出了一种两阶段机制 PrivKVM 作为基于 LDP 的键值数据收集和统计的优化和高度完整的解决方案。估算的优化和高度完整的解决方案。我们通过严谨的理论分析和大量的实验结果验证了其正确性和有效性。