一種眾包數(shù)據(jù)庫(kù)下的雙向k-匿名方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于隱私保護(hù)領(lǐng)域，更具體地，設(shè)及一種眾包數(shù)據(jù)庫(kù)下的雙向k-匿名方 法。
【背景技術(shù)】
[0002] 眾包（crowdsourcing)是指一個(gè)公司或機(jī)構(gòu)把過(guò)去由員工執(zhí)行的工作任務(wù)，W 自由自愿的形式外包給非特定的（而且通常是大型的）大眾網(wǎng)絡(luò)的做法，如亞馬遜的 MechanicalTurk。眾包的工作流程具體如下：1、公司將任務(wù)及相關(guān)數(shù)據(jù)發(fā)布到眾包平臺(tái)； 2、眾包平臺(tái)上的注冊(cè)用戶(hù)化umanworker)接受任務(wù)后獲得相關(guān)數(shù)據(jù)；3、humanworker完 成任務(wù)，將結(jié)果返回給公司，并獲得相應(yīng)報(bào)酬。
[0003] 近幾年，隨著眾包技術(shù)的流行，其被越來(lái)越多的用于處理那些對(duì)計(jì)算機(jī)較難而對(duì) 人較易的數(shù)據(jù)分析任務(wù)。于是，一種在眾包環(huán)境下由人參與的新型數(shù)據(jù)庫(kù)模型被提出，即眾 包數(shù)據(jù)庫(kù)。例如，人才招聘網(wǎng)站（如5U〇b、化inaHR)，可W將其接收到的求職者簡(jiǎn)歷與公 司職位信息發(fā)布到眾包平臺(tái)，并提供相應(yīng)的報(bào)酬讓humanworker完成職業(yè)推薦任務(wù)。 陽(yáng)004] 然而，由于眾包數(shù)據(jù)庫(kù)中humanworker可W直接獲得任務(wù)相關(guān)數(shù)據(jù)，運(yùn)其中可能 包含應(yīng)聘用戶(hù)隱私信息（如用戶(hù)個(gè)人簡(jiǎn)歷中的聯(lián)系方式，健康狀況等）與公司隱私信息 (如薪金水平、加班情況及補(bǔ)貼等），因此，上述過(guò)程可能造成應(yīng)聘用戶(hù)隱私信息與公司隱 私信息的泄露，所W必須對(duì)眾包數(shù)據(jù)庫(kù)做隱私保護(hù)處理。
[0005] 隱私保護(hù)處理的一個(gè)有效手段是數(shù)據(jù)匿名化，其基本思想是隱藏原始數(shù)據(jù)中的部 分信息。k-匿名是數(shù)據(jù)匿名化中最重要的模型之一，其保證數(shù)據(jù)匿名化后擁有相同準(zhǔn)標(biāo)識(shí) 符屬性的元組個(gè)數(shù)至少為k，從而使攻擊者無(wú)法推理出特定個(gè)體的隱私信息。但針對(duì)眾包數(shù) 據(jù)庫(kù)下設(shè)及供需求雙方的應(yīng)用場(chǎng)景，現(xiàn)有的k-匿名技術(shù)存在W下缺陷：（1)數(shù)據(jù)匿名化處 理后會(huì)造成原始數(shù)據(jù)中部分有效信息的丟失，從而導(dǎo)致humanworker完成眾包任務(wù)的正確 率降低，也就是說(shuō)數(shù)據(jù)匿名化處理后的可用性低；（2)由于眾包數(shù)據(jù)庫(kù)中可能包含應(yīng)聘用 戶(hù)及公司雙方的隱私信息，現(xiàn)有的k-匿名技術(shù)僅能保護(hù)一方的隱私信息，而不能同時(shí)保護(hù) 應(yīng)聘用戶(hù)與公司雙方的隱私信息。相應(yīng)地，本領(lǐng)域亟需尋找一種適用于眾包數(shù)據(jù)庫(kù)環(huán)境下 雙方隱私保護(hù)的方法。

【發(fā)明內(nèi)容】

[0006] 針對(duì)現(xiàn)有技術(shù)的W上缺陷或不足，本發(fā)明提供了一種眾包數(shù)據(jù)庫(kù)下的雙向k-匿 名方法，其中通過(guò)雙向k-匿名機(jī)制分別對(duì)公司職位數(shù)據(jù)集和應(yīng)聘用戶(hù)的原始數(shù)據(jù)集執(zhí)行 匿名化處理，同時(shí)，尤其是針對(duì)應(yīng)聘用戶(hù)的原始數(shù)據(jù)集，本發(fā)明進(jìn)行了專(zhuān)口的設(shè)計(jì)，提出了 一種基于空間分割的兩階段k-匿名算法，相應(yīng)能夠有效解決匿名化處理后，導(dǎo)致原始數(shù)據(jù) 集中部分有效信息的丟失，及眾包數(shù)據(jù)庫(kù)環(huán)境下k-匿名技術(shù)無(wú)法同時(shí)保護(hù)雙方隱私的問(wèn) 題。通過(guò)執(zhí)行本發(fā)明中的方案，在同時(shí)保護(hù)雙方隱私的基礎(chǔ)上，還顯著提高了匿名數(shù)據(jù)的可 用性，因而尤其適用于眾包數(shù)據(jù)庫(kù)環(huán)境下包含供需求雙方之類(lèi)的應(yīng)用場(chǎng)合。
[0007] 為實(shí)現(xiàn)上述目的，本發(fā)明提出了一種眾包數(shù)據(jù)庫(kù)下的雙向k-匿名方法，其特征在 于，所述方法具體包括W下步驟：
[0008] S1 :首先，針對(duì)公司職位數(shù)據(jù)集，對(duì)其進(jìn)行k-匿名處理：具體包括將所述公司職位 數(shù)據(jù)集按屬性拆分為兩個(gè)數(shù)據(jù)集，其一是將所述公司職位數(shù)據(jù)集中除準(zhǔn)標(biāo)識(shí)符屬性外的其 他屬性匿名化為空，處理后得到的所述公司職位數(shù)據(jù)集中僅包含準(zhǔn)標(biāo)識(shí)符屬性；另一是將 所述公司職位數(shù)據(jù)集中準(zhǔn)標(biāo)識(shí)符屬性匿名化為空，處理后得到的所述公司職位數(shù)據(jù)集中包 含除準(zhǔn)標(biāo)識(shí)符屬性之外的其他所有屬性，由此獲得匿名化的僅包含準(zhǔn)標(biāo)識(shí)符屬性的第一公 司職位數(shù)據(jù)集和匿名化的不包含準(zhǔn)標(biāo)識(shí)符屬性的第二公司職位數(shù)據(jù)集；
[0009] S2 :接著，繼續(xù)針對(duì)應(yīng)聘用戶(hù)的原始數(shù)據(jù)集進(jìn)行分階段的匿名化處理，具體包括： 通過(guò)獲取的所述原始數(shù)據(jù)集的樣本真實(shí)值對(duì)該原始數(shù)據(jù)集構(gòu)成的空間進(jìn)行虛擬分割，得到 最優(yōu)分割點(diǎn)；繼而，根據(jù)上述獲得的該最優(yōu)分割點(diǎn)和獲取的所述原始數(shù)據(jù)集的樣本反饋值 遞歸地分割所述原始數(shù)據(jù)集構(gòu)成的空間，從而得到子空間集合，最后根據(jù)子空間集合中各 子空間的邊界對(duì)該原始數(shù)據(jù)集做匿名化處理，由此獲得匿名化的用戶(hù)數(shù)據(jù)集；
[0010] S3:將得到的所述第一公司職位數(shù)據(jù)集和所述用戶(hù)數(shù)據(jù)集一同發(fā)布到眾包平臺(tái)， 在注冊(cè)用戶(hù)做職業(yè)推薦任務(wù)后，得到用戶(hù)-公司職位關(guān)系表A;
[0011] S4:將得到的所述第二公司職位數(shù)據(jù)集和所述用戶(hù)數(shù)據(jù)集一同發(fā)布到眾包平臺(tái)， 在注冊(cè)用戶(hù)做職業(yè)推薦任務(wù)后，得到用戶(hù)-公司職位關(guān)系表B;
[0012] S5 :最后，將上述步驟得到的所述用戶(hù)-公司職位關(guān)系表A和所述用戶(hù)-公司職位 關(guān)系表B，進(jìn)行交集運(yùn)算，得到最終確定的用戶(hù)-公司職位關(guān)系表。
[0013] 作為進(jìn)一步優(yōu)選的，對(duì)于步驟S2而言，優(yōu)選采用基于空間分割的兩階段k-匿名算 法，該步驟具體包括W下子步驟：首先根據(jù)獲取的原始數(shù)據(jù)集的樣本真實(shí)值對(duì)用戶(hù)數(shù)據(jù)集 構(gòu)成的空間做第一階段的虛擬分割，具體包括：
[0014] S211 :首先，針對(duì)應(yīng)聘用戶(hù)的原始數(shù)據(jù)集隨機(jī)抽樣，提取樣本數(shù)據(jù)中應(yīng)聘用戶(hù)的曾 經(jīng)職業(yè)或當(dāng)前職業(yè)作為所述應(yīng)聘用戶(hù)的真實(shí)值r,，其中rkGR，R為職業(yè)種類(lèi)，即真實(shí)值值 域R= (r〇,ri,…，Tk,…，rj，k= 0, 1，…，n;
[0015] S212:接著，將匿名化處理后具有相同準(zhǔn)標(biāo)識(shí)符屬性的應(yīng)聘用戶(hù)記為所述多維空 間的子空間cell,其中，每個(gè)cell均包含W下信息：位于該cell內(nèi)的應(yīng)聘用戶(hù)個(gè)數(shù)、樣本 個(gè)數(shù)和樣本真實(shí)值；繼而，得到該cell中樣本真實(shí)值分布T= (tu，ti，…，tk，…，t。）的方差 為：
[0016]
陽(yáng)017]其中tk表示該cell中真實(shí)值為fk的樣本個(gè)數(shù)，其中k為樣本真實(shí)值分布中的 取值個(gè)數(shù)，k= 0, 1，…，n;;所述樣本的準(zhǔn)標(biāo)識(shí)符屬性構(gòu)成該空間的候選分割點(diǎn)集合P= (Pil〇《i《山，其中i表示所述原始數(shù)據(jù)集構(gòu)成的多維空間的維度，即所述原始數(shù)據(jù)集中 各準(zhǔn)標(biāo)識(shí)符屬性；設(shè)第i維上候選分割點(diǎn)集合為Pi=(Pi。，P。，. . .，PU, . . .，Pim)，其中j= 0, 1，…，m為候選分割點(diǎn)集合中的取值個(gè)數(shù)，那么所述P沖p1,的估值函數(shù)為：
[00化]val(Pi.j)=ETErVarCr)
[0019] 其中r表示被Pi汾割后產(chǎn)生的所有cell對(duì)應(yīng)的T的集合；
[0020] S213 :根據(jù)上述估值函數(shù)分別計(jì)算第0~n維上每個(gè)候選分割點(diǎn)Pi,p。的估值，得 到擁有最大估值的最優(yōu)分割點(diǎn)Pik，其中kG[0, 1，. . .，m];
[0021]S214:將所述Pik從所述Pi中刪除，并添加Pik到第i維最優(yōu)分割點(diǎn)集合divider[i] 中，記dividers…d]為多維空間中最優(yōu)分割點(diǎn)的數(shù)組，i表示維度；
[0022] S215:判斷候選分割點(diǎn)集合P中是否存在合法分割點(diǎn)，即是否滿(mǎn)足k-匿名，若存 在，則執(zhí)行步驟S213 ;若不存在，則算法結(jié)束，divider[0…d]為產(chǎn)生結(jié)果。
[0023] 繼而，針對(duì)上述步驟S211中得到的所述樣本數(shù)據(jù)，將其發(fā)送到眾包平臺(tái)，根據(jù)獲 取的反饋值進(jìn)行正式的空間分割，即執(zhí)行基于空間分割的兩階段的k-匿名算法中第二階 段正式的分割空間，具體包括如下步驟：
[0024]S221 :將步驟S211中獲得的所述樣本數(shù)據(jù)發(fā)布到眾包平臺(tái)，注冊(cè)用戶(hù)根據(jù)樣本精 確信息為應(yīng)聘用戶(hù)推薦職位，W獲得樣本反饋值F= (f。，fi，…，fk，…，f。)，其值域仍為R= (r。，ri，…，r,，…，〇,k= 0, 1，…，n;繼而，根據(jù)獲得的所述樣本反饋值計(jì)算所述cell評(píng) 分函數(shù)為： 陽(yáng)0巧]
[00%] 其中，fk表示所述cell中該樣本反饋值為rk的樣本個(gè)數(shù)；由于每次分割均將原空 間分割為子空間celli和cell2,從步驟S214中的所述divide;r[0…d]取出分割點(diǎn)div，其 估值函數(shù)為：
[0027]val(div) =scorebelli)+score(cells);
[0028] S222 :針對(duì)當(dāng)前cell,判斷該divider[0…d]中是否存在滿(mǎn)足k-匿名的分割點(diǎn)， 若存在，則執(zhí)行S223 ;若不存在，則執(zhí)行S226 ;
[0029]S223:根據(jù)所述分割點(diǎn)div的估值函數(shù)，在divider[0???(!]中計(jì)算擁有最大估值的 分割點(diǎn)divMax，若val(divMax)〉score(cell)，貝Ij通過(guò)所述最大估值的divMax將當(dāng)前空間 分割為celli和cell2,然后針對(duì)celli和cell2分別對(duì)應(yīng)依次執(zhí)行S224及S225,否則，執(zhí)行 S226；
[0030]S224:針對(duì)celli執(zhí)行S222; W31] 8225:針對(duì)〇6112執(zhí)行5222;
[0032] S226 :將該cell插入到子空間集合C中，并遞歸上一層；
[003引 S227:根據(jù)遞歸分割得到子空間集合C中各cell的邊界，對(duì)所述原始數(shù)據(jù)集的準(zhǔn) 標(biāo)識(shí)符屬性進(jìn)行匿名化處理，從而得到匿名化的用戶(hù)數(shù)據(jù)集。
[0034] 總體而言，按照本發(fā)明點(diǎn)的W上技術(shù)方案與現(xiàn)有技術(shù)相比，主要具備W下的技術(shù) 優(yōu)點(diǎn)：
[0035]1、本申請(qǐng)中通過(guò)結(jié)合眾包數(shù)據(jù)庫(kù)下包含供需求雙方關(guān)系的運(yùn)用需求，相應(yīng)對(duì)用戶(hù) 數(shù)據(jù)集及公司職位數(shù)據(jù)集同時(shí)執(zhí)行k-匿名處理，由此，注冊(cè)用戶(hù)humanworker通過(guò)眾包數(shù) 據(jù)庫(kù)獲得的數(shù)據(jù)均是匿名處理后的數(shù)據(jù)，能夠有效起到保護(hù)用戶(hù)及公司雙方隱私的作用；
[0036] 2、此外，本發(fā)明中專(zhuān)口針對(duì)用戶(hù)數(shù)據(jù)集提出了基于空間分割的兩階段k-匿名算 法，運(yùn)樣能夠在確保用戶(hù)隱私和公司隱私得到有效保護(hù)的同時(shí)，最大可能的保留原始數(shù)據(jù) 中的可用信息，顯著提高了匿名化后數(shù)據(jù)的可用性，使得humanworker完成眾包任務(wù)時(shí)的 正確率增加；
[0037]3、按照本發(fā)明提出的眾包數(shù)據(jù)庫(kù)下的雙向k-匿名方法，在雙方隱私均達(dá)到有效 保護(hù)及匿名化數(shù)據(jù)可用性得到提高的同時(shí)，并未存在過(guò)多的計(jì)算復(fù)雜度，便于操控，，因而 具有一定的可實(shí)施性及實(shí)用推廣價(jià)值。
【附圖說(shuō)明】
[003引圖1是本發(fā)明眾包數(shù)據(jù)庫(kù)下的雙向k-匿名方法的執(zhí)行流程圖；
[0039] 圖2是本發(fā)明中提出的基于空間分割的兩階段k-匿名算法示意圖；
[0040] 圖3是本發(fā)明中進(jìn)一步優(yōu)選的k-匿名算法第一階段流程圖；
[0041] 圖4是本發(fā)明中進(jìn)一步優(yōu)選的k-匿名算法第二階段流程圖。
【具體實(shí)施方式】
[0042] 為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，W下結(jié)合附圖及實(shí)施例，對(duì) 本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說(shuō)明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用W解釋本發(fā)明，并 不用于限定本發(fā)明。
[00創(chuàng)如圖1所示，本發(fā)明提供了一種眾包數(shù)據(jù)庫(kù)下的雙向k-匿名方法：
[0044] (1)對(duì)公司職位數(shù)據(jù)集進(jìn)行兩種極端的k-匿名處理：第一種是將所述公司職位數(shù) 據(jù)集中準(zhǔn)標(biāo)識(shí)符屬性外的其他屬性匿名化為空，處理后得到僅包含準(zhǔn)標(biāo)識(shí)符屬性的第一公 司職位數(shù)據(jù)集；第二種是將所述公司職位數(shù)據(jù)集中準(zhǔn)標(biāo)識(shí)符屬性匿名化為空，處理后得到 包含除準(zhǔn)標(biāo)識(shí)符屬性之外的其他所有屬性的第二公司職位數(shù)據(jù)集；
[0045] (2)對(duì)應(yīng)聘用戶(hù)的原始數(shù)據(jù)集做k-匿名處理，采用基于空間分割的兩階段的k-匿 名算法，如圖2所示，具體包括：
[0