今天一直在琢磨一个事情。
现有两个数组，如果需要比对两个数组重复元素的个数，这个问题应该不难，Python一行代码就可以实现：
sum((collections.Counter(a) & collections.Counter(b)).values())
这也是Jaccard相似性评估的分子部分。
但我想的需求是，要对两个数组分别加签，任何人都可以用两份加签后的文件在某个无后端服务的web工具上进行比对，输出的结果是Jaccard相似性的评估。
但任何人都无法还原出任意一个数组元素。
我打算基于Minhash尝试做一下，虽然Minhash的过程是lossy的，但也难防止生成探针签名去爆破。这部分等前面实现后再想想怎么解决。
实际上这条微博想做的事情是：提供一个无后端的工具，两人各自上传导出的黑名单后加签，share给对方，就可以在不泄露自己黑名单的前提下做Jaccard评估。
用Python验证理论成立后一顿 vibe coding 把原型写出来了。图中的 test case 中的两个黑名单实际重叠人数是50人，这个误差我觉得也差不多够用了。而如果提高精度的话，意味着b-bit截断数变大甚至是不截断，这样探针式的攻击就更加容易“碰撞”出一些黑名单。所以这里本身参数的选择就有一些隐私与精度之间的权衡。
这个“课题”本身意义其实不太大，纯粹是我喜欢做“无用”东西的风格拍脑袋想到的。但研究过程中加深了Jaccard的理解，这些经验也许以后就会“有用”。而且现在LLM领域也经常会用到Jaccard评估。