Python 代码实现本地化差分隐私下的商品购买统计扰动

以下是一个示例代码，用于实现从本地 TXT 文件中读取用户购买商品的数据，统计每个商品被多少人购买，并使用随机响应机制在本地化差分隐私下对统计结果进行扰动：

import random
import numpy as np

# 读取txt文件并保存数据到数组data中
data = []
path = '文件路径.txt'  # 替换为你的文件路径
with open(path, 'r') as file:
    for line in file:
        line_data = list(map(int, line.strip().split()))
        data.append(line_data)

# 统计每个商品被多少人购买
item_count = {}
for line_data in data:
    for item in line_data:
        if item in item_count:
            item_count[item] += 1
        else:
            item_count[item] = 1

# 进行隐私扰动
epsilon = [0.1, 1, 2, 4]  # 隐私预算
result = []
for e in epsilon:
    noisy_item_count = {}
    for item, count in item_count.items():
        noisy_count = count + random.randint(-1, 1)  # 随机选择一个数据进行扰动
        noisy_item_count[item] = noisy_count

    # 计算MSE
    mse = np.mean([(noisy_item_count[item] - item_count[item]) ** 2 for item in item_count])
    result.append(mse)

print(result)

请注意替换代码中的'文件路径.txt'为你实际的文件路径。代码将会读取该路径下的txt文件，并将数据保存在数组data中。然后，统计每个商品被多少人购买，并进行隐私扰动。最后，计算不同隐私预算下的MSE值并保存在数组result中。