一種基于直方圖的面向數(shù)據(jù)流差分隱私發(fā)布方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及差分隱私發(fā)布技術(shù)領(lǐng)域，特別是涉及一種基于直方圖的面向數(shù)據(jù)流差 分隱私發(fā)布方法。
【背景技術(shù)】
[0002] 由于信息化技術(shù)的快速發(fā)展，用戶的隱私信息泄露的問題逐漸凸顯，隱私保護技 術(shù)也引起人們的關(guān)注。差分隱私是一種強隱私保護模型，該模型假定攻擊者具有除某一條 記錄以外的其他所有記錄信息，即使在這一最大化背景知識下，差分隱私仍然能保證這條 記錄的隱私信息不被泄露。
[0003] 目前關(guān)于數(shù)據(jù)流的差分隱私發(fā)布技術(shù)主要針對的是{〇, 1}所組成的二進制流，這 些方法不足以應(yīng)用于真實的應(yīng)用程序中，真實的應(yīng)用程序是基于窗口的，并且數(shù)據(jù)流也不 會僅僅局限于二進制流，而應(yīng)是任意數(shù)值型數(shù)據(jù)流。由于每個窗口中的隱私預(yù)算是固定的， 若考慮給每個子窗口分配相同的隱私預(yù)算，當(dāng)窗口的大小增大時，每個子窗口分配的隱私 預(yù)算會減小，使得添加的噪聲增大，導(dǎo)致數(shù)據(jù)的可用性降低。面向更一般的數(shù)據(jù)流，如何在 保證每個窗口中的隱私總預(yù)算不超過ε時，合理的分配隱私預(yù)算，并且能有效的快速發(fā)布 直方圖統(tǒng)計信息，同時保證數(shù)據(jù)具有一定的可用性，成為一項急需解決的任務(wù)。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明所要解決的技術(shù)問題是提供一種基于直方圖的面向數(shù)據(jù)流差分隱私發(fā)布 方法，以達(dá)到每個窗口中隱私總預(yù)算不超過ε時，發(fā)布數(shù)據(jù)的可用性較好。
[0005] 本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是：提供一種基于直方圖的面向數(shù)據(jù)流 差分隱私發(fā)布方法，包括以下步驟：
[0006] (1)對于每一個時刻i，數(shù)據(jù)流接收的數(shù)據(jù)集為D1，對數(shù)據(jù)集D1中屬性A出現(xiàn)的不 同元素值進行統(tǒng)計，并按照元素值的大小升序排列，對頻數(shù)進行歸一化處理為P ;
[0007] (2)記最后一次發(fā)布的含噪局部最優(yōu)直方圖所對應(yīng)的真實數(shù)據(jù)的分布?xì)w一化后為 Q，計算 P 與 Q 的 EMD (Earth Mover' s Distance)相似度 τ ;
[0008] (3)若τ > σ，則給數(shù)據(jù)集D1分配隱私預(yù)算
給數(shù)據(jù)集〇1添加相應(yīng)的拉普拉斯噪聲得到數(shù)據(jù)集O1，其中，σ為設(shè)定的閾值，ε為隱私總 預(yù)算，w為滑動窗口大小，ε ]為第j個子窗口已分配的預(yù)算大小；
[0009] (4)對數(shù)據(jù)集O1利用分組與合并策略，進行局部最優(yōu)直方圖發(fā)布。
[0010] 所述步驟⑶中若τ彡〇時，則不發(fā)布數(shù)據(jù)集D1，即數(shù)據(jù)集O 1= null。
[0011] 所述步驟⑶中數(shù)據(jù)集O1= Djs Lap(Ai) >m，其中，
普拉斯噪聲、m的大小為數(shù)據(jù)集D1中屬性A出現(xiàn)的不同元素值的個數(shù)。
[0012] 所述步驟⑶中若在一個窗口內(nèi)，數(shù)據(jù)集連續(xù)突變，為了減緩入馮增速度，需減 緩ε i的分配，則給數(shù)據(jù)集D i分配隱私預(yù)算
[0013] 所述步驟（4)中局部最優(yōu)直方圖發(fā)布包括以下子步驟：
[0014] (41)假設(shè)每個分組為包含固定長度L個不同的含噪統(tǒng)計結(jié)果值，則將數(shù)據(jù)集仏分 成[m/L]個不相交的組；
[0015] (42)對每個分組進行最優(yōu)直方圖算法，計算出每個分組所對應(yīng)的最優(yōu)直方圖劃分 結(jié)果；
[0016] (43)對所有分組的最優(yōu)直方圖結(jié)果進行合并，得到局部最優(yōu)直方圖發(fā)布。
[0017] 有益效果
[0018] 由于采用了上述的技術(shù)方案，本發(fā)明與現(xiàn)有技術(shù)相比，具有以下的優(yōu)點和積極效 果：本發(fā)明基于滑動窗口模型下，利用相鄰兩個時間戳的數(shù)據(jù)集分布的相似性，來動態(tài)合理 分配隱私預(yù)算，使得每一個窗口的總預(yù)算不超過ε，并利用分組與合并策略，快速計算出局 部最優(yōu)直方圖，從而達(dá)到高效的動態(tài)流式差分隱私發(fā)布策略。
【具體實施方式】
[0019] 下面結(jié)合具體實施例，進一步闡述本發(fā)明。應(yīng)理解，這些實施例僅用于說明本發(fā)明 而不用于限制本發(fā)明的范圍。此外應(yīng)理解，在閱讀了本發(fā)明講授的內(nèi)容之后，本領(lǐng)域技術(shù)人 員可以對本發(fā)明作各種改動或修改，這些等價形式同樣落于本申請所附權(quán)利要求書所限定 的范圍。
[0020] 本發(fā)明的實施方式涉及一種基于直方圖的面向數(shù)據(jù)流差分隱私發(fā)布方法，包括以 下步驟：
[0021] 步驟1、對于每一個時刻i，數(shù)據(jù)流接收的數(shù)據(jù)集為D1，對數(shù)據(jù)集D1中屬性A出現(xiàn) 的不同元素值進行統(tǒng)計，并按照元素值的大小升序排列，SDi= {{x pl, fpl}，{xp2, fp2}，. . . {xpm ，ffj}，其中1"為元素值的大小，且x Pi< x p2< x P；5< . . < x Pm，為數(shù)據(jù)集D i中出現(xiàn)x w 的頻數(shù)。對fw進行歸一化處理，即4
(1彡j彡m)，則P = {{xpl, wpl}，{xp2, w p2^，· · · (Xpm，Wpinl } ο
[0022] 步驟2、記最后一次發(fā)布的含噪局部最優(yōu)直方圖所對應(yīng)的真實數(shù)據(jù)的分 布?xì)w一化后為Q，計算P與Q的EMD相似度。P、Q間EMD相似度的計算公式為：
(1彡i彡m，1彡j彡η)，&為Q中的元素值的大小，由于P、Q均為歸一化后的數(shù)據(jù)集，故 可以采用最鄰近距離填補法來計算P、Q間EMD相似度τ。
[0023] 步驟3、令閾值為σ ;若τ > 〇，則給D1分配隱私預(yù)算
，并給數(shù)據(jù)集D1 添加相應(yīng)的拉普拉斯噪聲得到數(shù)據(jù)集O1，其中·
SLap(Ai) >'其中，ε為隱私總預(yù)算，w為滑動窗口大小，ε ,為第j個子窗口已分配 的預(yù)算大小，< LapO >為拉普拉斯噪聲，m的大小為數(shù)據(jù)集D1中屬性A出現(xiàn)的不同元素值 的個數(shù)。若在一個窗口內(nèi)，數(shù)據(jù)集連續(xù)突變，導(dǎo)致A 1W 2的指數(shù)遞增，使得第i時刻添加 的噪聲較大。為了減緩11遞增速度，需減緩ε i的分配，故可以采用
時，貝1J不發(fā)布Di,即拉普拉斯噪聲Oi= null。
[0024] 步驟4、對數(shù)據(jù)集O1利用分組與合并策略，進行局部最優(yōu)直方圖發(fā)布。
[0025] 直方圖是一種描述數(shù)據(jù)統(tǒng)計信息的有效方式，主要是將數(shù)據(jù)集劃分成不相交的 桶。若數(shù)據(jù)流的數(shù)據(jù)范圍跨度較大，對數(shù)據(jù)集(^直接進行全局最優(yōu)直方圖發(fā)布，算法執(zhí)行 效率較低，難以滿足數(shù)據(jù)流的快速響應(yīng)要求。由于數(shù)據(jù)集D 1中數(shù)據(jù)統(tǒng)計是按照key值進行 排序的，而桶的合并主要發(fā)生在相鄰的桶間，故可以直接對整個數(shù)據(jù)集O1進行分組。
[0026] 局部最優(yōu)直方圖發(fā)布策略：
[0027] 1)假設(shè)每個分組為包含固定長度L個不同的含噪統(tǒng)計結(jié)果值，則將數(shù)據(jù)集O1分成 m/L個不相交的組。
[0028] 2)對每個分組進行最優(yōu)直方圖算法，計算出每個分組所對應(yīng)的最優(yōu)直方圖劃分結(jié) 果。
[0029] 3)對所有分組的最優(yōu)直方圖結(jié)果進行合并，得到局部最優(yōu)直方圖發(fā)布f= {(I1, Γι，C1)，…，（lk，rk，ck)}，其中(^為0 i中落在（?，）區(qū)間的平均值，其中，1 ,和r ,分 別表示每個桶的左右邊界所對應(yīng)的下標(biāo)。
【主權(quán)項】
1. 一種基于直方圖的面向數(shù)據(jù)流差分隱私發(fā)布方法，其特征在于，包括以下步驟： (1) 對于每一個時刻i，數(shù)據(jù)流接收的數(shù)據(jù)集為D1，對數(shù)據(jù)集D1中屬性A出現(xiàn)的不同元 素值進行統(tǒng)計，并按照元素值的大小升序排列，對頻數(shù)進行歸一化處理為P; (2) 記最后一次發(fā)布的含噪局部最優(yōu)直方圖所對應(yīng)的真實數(shù)據(jù)的分布?xì)w一化后為Q， 計算P與Q的EMD相似度T;〇1添加相應(yīng)的拉普拉斯噪聲得到數(shù)據(jù)集O1，其中，〇為設(shè)定的閾值，e為隱私總預(yù)算，w為 滑動窗口大小，￡ 為第j個子窗口已分配的預(yù)算大小； (4)對數(shù)據(jù)集O1利用分組與合并策略，進行局部最優(yōu)直方圖發(fā)布。2. 根據(jù)權(quán)利要求1所述的基于直方圖的面向數(shù)據(jù)流差分隱私發(fā)布方法，其特征在于， 所述步驟（3)中若T彡。時，則不發(fā)布數(shù)據(jù)集D1，即數(shù)據(jù)集O1=null。3. 根據(jù)權(quán)利要求1所述的基于直方圖的面向數(shù)據(jù)流差分隱私發(fā)布方法，其特征在于，聲、m的大小為數(shù)據(jù)集D1中屬性A出現(xiàn)的不同元素值的個數(shù)。4. 根據(jù)權(quán)利要求1所述的基于直方圖的面向數(shù)據(jù)流差分隱私發(fā)布方法，其特征在于，5. 根據(jù)權(quán)利要求1所述的基于直方圖的面向數(shù)據(jù)流差分隱私發(fā)布方法，其特征在于， 所述步驟（4)中局部最優(yōu)直方圖發(fā)布包括以下子步驟： (41) 假設(shè)每個分組為包含固定長度L個不同的含噪統(tǒng)計結(jié)果值，則將數(shù)據(jù)集O1分成 「》/￡1個不相交的組； (42) 對每個分組進行最優(yōu)直方圖算法，計算出每個分組所對應(yīng)的最優(yōu)直方圖劃分結(jié) 果； (43) 對所有分組的最優(yōu)直方圖結(jié)果進行合并，得到局部最優(yōu)直方圖發(fā)布。
【專利摘要】本發(fā)明涉及一種基于直方圖的面向數(shù)據(jù)流差分隱私發(fā)布方法，包括以下步驟：對于每一個時刻i，數(shù)據(jù)流接收的數(shù)據(jù)集為Di，對數(shù)據(jù)集Di中屬性A出現(xiàn)的不同元素值進行統(tǒng)計，并按照元素值的大小升序排列，對頻數(shù)進行歸一化處理為P；記最后一次發(fā)布的含噪局部最優(yōu)直方圖所對應(yīng)的真實數(shù)據(jù)的分布?xì)w一化后為Q，計算P與Q的EMD相似度τ；若τ＞σ，則給數(shù)據(jù)集Di分配隱私預(yù)算，其中，，并給數(shù)據(jù)集Di添加相應(yīng)的拉普拉斯噪聲得到數(shù)據(jù)集Oi；對數(shù)據(jù)集Oi利用分組與合并策略，進行局部最優(yōu)直方圖發(fā)布。本發(fā)明在保證每個窗口中隱私總預(yù)算不超過ε時，發(fā)布數(shù)據(jù)的可用性較好。
【IPC分類】G06F21/60
【公開號】CN105046160
【申請?zhí)枴緾N201510430312
【發(fā)明人】夏小玲, 劉慧藝, 石秀金, 王紹宇, 于守健
【申請人】東華大學(xué)
【公開日】2015年11月11日
【申請日】2015年7月21日