一种基于差分隐私的直方图发布方法
【技术领域】
[0001] 本发明涉及数据隐私保护技术领域，尤其涉及一种基于差分隐私的直方图发布方 法。
【背景技术】
[0002] 随着互联网和物联网的快速发展，用户的不断增多，网络上保存了用户大量的信 息，其中有越来越多的数据记录在网络上公开。这些公开的数据集，一方面方便研宄人员 进行相应的科学研宄，另一方面挖掘到的信息也可为提供数据的互联网公司带来更好的服 务，从而提升公司的效益。这些数据不仅包含用户的一些行为信息，而且还包含一些用户不 想公布的敏感信息。在发布数据时，如何保护用户的隐私成为隐私保护领域内的热点问题。
[0003] 早期的数据隐私保护模型，比如k-匿名、1-多样和t-closeness等，虽然对发布数 据做了一些匿名化处理，但是他们的隐私保护强度都很差。这些模型虽然被提出，但是很快 又被攻破，主要因为他们对真实数据做了一些不太合理的假设，并且缺少严格的理论证明。 差分隐私是一种理论性很强的隐私保护模型，而且对攻击者知道的背景知识做了最强的假 设一一攻击者知道除一条记录以外的所有记录。
[0004] 最初的差分隐私模型是针对统计信息的，其直接在原始数据上进行差分隐私处 理，这样发布的数据误差很大，数据有用性非常差。
【发明内容】
[0005] 本发明的目的是提供一种基于差分隐私的直方图发布方法，可以保证差分隐私的 情况下，提升发布数据的有用性。
[0006] 本发明的目的是通过以下技术方案实现的：
[0007] 一种基于差分隐私的直方图发布方法，该方法包括：
[0008] 从原始数据库中非连续区域抽取直方图信息；
[0009] 为抽取的直方图信息添加随机的拉普拉斯噪音，得到满足差分隐私的加噪数据；
[0010] 对该加噪数据进行降低噪音量的后处理，获得可发布的数据。
[0011] 所述降低噪音量的后处理包括：
[0012] 依次执行的基于密度的聚类处理和阈值化处理。
[0013] 所述基于密度的聚类处理包括：
[0014] 计算加噪数据中每个结点i的局部密度Pi;结点i的局部密度为落入以结点i为 球心，以d为半径的高维球内的结点个数，其表式为：
【主权项】
1. 一种基于差分隐私的直方图发布方法，其特征在于，该方法包括： 从原始数据库中非连续区域抽取直方图信息； 为抽取的直方图信息添加随机的拉普拉斯噪音，得到满足差分隐私的加噪数据； 对该加噪数据进行降低噪音量的后处理，获得可发布的数据。
2. 根据权利要求1所述的方法，其特征在于，所述降低噪音量的后处理包括： 依次执行的基于密度的聚类处理和阈值化处理。
3. 根据权利要求2所述的方法，其特征在于，所述基于密度的聚类处理包括： 计算加噪数据中每个结点i的局部密度Pi;结点i的局部密度为落入以结点i为球 心，以d为半径的高维球内的结点个数，其表式为
C中，&为结点i和 结点j的距离，d为距离阈值；x为自定义的函数，如果，&-(!〈0,则x(dij-d) = 1，否则x(dij-d) = 0 ； 计算加噪数据中结点i的最小距离Si;结点i的最小距离为距离比结点i的密度大 的结点集的最小距离，其表示为4 = &(./j;如果结点i的局部密度Pi最大，则si -nicix (d^j)； 局部密度超过阈值及最小距离超过阈值的结点为局部密度极大点，而且被一些具有局 部密度小于阈值的结点包围着，将局部密度极大点作为聚类的簇中心点； 计算每个结点到每个簇中心的距离，将其划分到距离其最近的簇中。
4. 根据权利要求2所述的方法，其特征在于，所述阈值化处理包括： 设置一阈值对聚类处理后的数据做阈值化处理，将小于等于该阈值的数据作〇处理。
【专利摘要】本发明公开了一种基于差分隐私的直方图发布方法，该方法包括：从原始数据库中非连续区域抽取直方图信息；为抽取的直方图信息添加随机的拉普拉斯噪音，得到满足差分隐私的加噪数据；对该加噪数据进行降低噪音的聚类和阈值化处理，获得可发布的数据。通过采用本发明公开的方法，可以保证差分隐私的情况下，提升发布数据的有用性。
【IPC分类】G06F21-62
【公开号】CN104809408
【申请号】CN201510237298
【发明人】孙广中, 李小康
【申请人】中国科学技术大学
【公开日】2015年7月29日
【申请日】2015年5月8日