一种基于互信息相关技术的差分隐私动态数据发布方法与流程

技术特征：

1.一种基于互信息相关技术的差分隐私动态数据发布方法，其特征在于，包括以下步骤：

11)动态数据流的获取：获取待处理的动态数据流；

12)动态数据流的分割：利用滑动窗口技术对动态数据流进行分割，使数据以静态方式展示在滑动窗口中；

13)初始聚类处理：随机抽取滑动窗口内的数据，对其进行初始聚类，计算初始聚类中每个簇的分形维数；

14)待发布分组的形成：对滑动窗口内的剩余数据进行分形维数聚类，利用互信息计算每个聚类成员的权值，选择符合条件的聚类成员，对每个聚类成员的聚类结果进行按类统计，形成待发布分组；

15)分组数据的发布：对待发布分组的数据进行拉普拉斯加噪，发布加噪后的分组数据；

对每个聚类成员的每个簇的统计分组结果进行拉普拉斯加噪，

其中ε表示隐私预算，得到每个聚类成员加入噪声干扰的数据：

16)差分隐私动态数据的发布：当某个聚类成员的分组数据的数量达到滑动窗口大小时，滑动窗口向前平移，重复初始聚类处理、待发布分组的形成和分组数据的发布步骤，完成差分隐私动态数据的发布。

2.根据权利要求1所述的一种基于互信息相关技术的差分隐私动态数据发布方法，其特征在于，所述初始聚类处理包括以下步骤：

21)抽取滑动窗口内70％-90％的数据量，对其进行初始聚类：

将从第d个数据集xd抽取出的部分数据组成数据集xd'，对其进行h次初始聚类，得到h个初始聚类结果，组成聚类结果集λ＝{λ1,λ2,...,λi,...,λh}，λi表示第i次聚类结果；

22)若将初始聚类的簇数设置为k个，则第i次聚类结果λi中每个簇分别记为分别计算每个簇对应的分形维数，其中，第k个簇的分形维数记为

其中，计算每个簇的分形维数的公式为：

式中，r表示覆盖数据空间所用的盒子边长，r1表示最小边长，r2表示最大边长；q表示阶数，取值可以不同，当q＝0时，表示该维数是豪斯道夫维数，当q＝1时，表示该维数是信息维数，当q＝2时，表示该维数是关联维数；表示盒子所覆盖的数据点数。

3.根据权利要求1所述的一种基于互信息相关技术的差分隐私动态数据发布方法，其特征在于，所述待发布分组的形成包括以下步骤：

31)对滑动窗口内的剩余数据，抽取其中的每一个数据点e，将它加入到每一个初始聚类的簇中，得到

其中

32)分别计算加入新的数据点e后组成新的簇的分形维数；

33)计算加入数据点前后的分形影响度vi，其计算公式如下：

式中，表示第i个聚类成员的第k个簇的分形影响度，表示第i个聚类成员的第k个簇的分形维数，表示第i个聚类成员的第k个簇加入数据点e后的分形维数；

34)找到每一个数据点e加入后分形影响度最小的簇，若其对应的分形影响度小于给定阈值δ，则认为数据点e属于该簇，加入该簇中；若数据点e未找到任何符合的簇，则将其判定为离群点；

35)利用互信息计算每个聚类成员的权值；

36)当聚类成员的权值小于给定阈值μ时，舍弃，留下权值大于μ的聚类成员，得到部分聚类成员λ'＝{λ′1,λ′2,...,λ′i,...,λ'h}。

4.根据权利要求3所述的一种基于互信息相关技术的差分隐私动态数据发布方法，其特征在于，所述利用互信息计算每个聚类成员的权值为：

设定计算互信息的公式为：

式中，λ^p和λ^q表示聚类成员，p,q为整数,且1≤p,q≤h，n表示数据集大小，k表示聚类的簇数，ni表示聚类成员λ^p中属于第i个簇的数据点的数量，nj表示聚类成员λ^q中属于第j个簇的数据点的数量，nij表示聚类成员λ^p中第i个簇和聚类成员λ^q中第j个簇之间所含有的相同数据点的数量；

计算平均互信息的公式为：

式中，αi表示第i个聚类成员的平均互信息；

计算聚类成员的权值的公式为：

式中，ωi满足ωi>0(i＝1,2,...,h)且

技术总结
本发明涉及一种基于互信息相关技术的差分隐私动态数据发布方法，与现有技术相比解决了噪声积累多、隐私预算分配不当、数据可用性差的缺陷。本发明包括以下步骤：动态数据流的获取；动态数据流的分割；初始聚类处理；待发布分组的形成；分组数据的发布；差分隐私动态数据的发布。本发明根据动态数据流的特点，采用分形技术对数据进行聚类处理，并利用互信息相关知识进行聚类成员选择，最后结合差分隐私技术对聚类结果添加隐私保护再发布数据，从而提高动态数据发布的安全性及数据的可用性。

技术研发人员：冉家敏;刘胜军;谢飞;倪志伟;陈千;丁正;朱旭辉;倪丽萍
受保护的技术使用者：合肥城市云数据中心股份有限公司;合肥工业大学
技术研发日：2020.09.24
技术公布日：2020.12.25