近年来,差分隐私在研究领域已经逐渐成为数据隐私保护的实际标准。本地差分隐私在继承差分隐私特性的基础之上,细化了对个人隐私数据的保护。现阶段,基于本地差分隐私的数据统计与分析已有大量的相关工作,并且一些基于本地差分隐私的技术已经在工业界得以应用。但是,随着用户个人隐私保护意识越来越强,需要进行隐私保护的场景越来越多,保护的数据越来越复杂,现有的基于本地差分隐私的数据统计与分析机制还有许多改进空间。基于本地差分隐私的频率估计机制是本地差分隐私数据统计与分析机制中的一个重要组成部分,具有非常广阔的应用前景。因此,本文主要研究基于本地差分隐私的高效频率估计机制及其应用。具体而言,本文的主要研究成果及创新之处如下:一、针对频率估计机制中用户输入的类别值取值范围比较大的场景,提出了一种高效的基于本地差分隐私的频率估计机制,并从理论上分析了该机制的最优参数选择,在最优的参数选择下和现阶段表现最好的Ye-Barg机制相比,在大幅度减小通讯代价的同时依旧取得了相近的估计效果。该机制在降低通讯代价的同时也几乎不牺牲频率估计的准确性。二、针对带有答案置信度的调查的场景,首次将基于本地差分隐私的频率估计机制和其它本地差分隐私机制应用到该场景中,提出了基于本地差分隐私的带有答案置信度的调查机制,以及基于本地差分隐私频率估计机制和比例融合的带有答案置信度的调查机制,从理论上分析了这些机制的估计效果,并通过大量的实验进行对比,证实了最后一种机制取得了最好的估计效果。我们首次将本地差分隐私技术应用到带有答案置信度的调查机制当中,同时保护了调查中的用户答案的选项和对应的答案置信度,保护了用户的隐私安全。