[發(fā)明專利]一種數(shù)據(jù)查詢隱私保護的隱私預(yù)算分配和數(shù)據(jù)發(fā)布方法及其系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201810181229.8
• 申請日: 2018-03-06
• 公開（公告）號: CN108537055B
• 公開（公告）日: 2022-04-05
• 發(fā)明（設(shè)計）人: 楊庚;唐海霞;白云璐;王璇
• 申請（專利權(quán)）人: 南京郵電大學(xué)
• 主分類號: G06F21/62
• 分類號: G06F21/62;G06F16/248
• 代理公司: 南京縱橫知識產(chǎn)權(quán)代理有限公司 32224
• 代理人: 董建林;姚蘭蘭

1.一種數(shù)據(jù)查詢隱私保護的隱私預(yù)算分配和數(shù)據(jù)發(fā)布方法，其特征在于，包括以下步驟：

步驟一：設(shè)置隱私預(yù)算參數(shù)：

對存儲于計算機系統(tǒng)中的數(shù)據(jù)庫，數(shù)據(jù)管理員根據(jù)數(shù)據(jù)的重要程度，給定數(shù)據(jù)的隱私預(yù)算，記為ε，其中0ε≤1；并設(shè)定對數(shù)據(jù)的基礎(chǔ)查詢次數(shù)，記為k，其中k200；

步驟二：計算每次查詢隱私預(yù)算：

根據(jù)所述隱私預(yù)算ε和基礎(chǔ)查詢次數(shù)k，利用泊松概率機制，實現(xiàn)對所述隱私預(yù)算ε的無窮次分配；對用戶每提交一次數(shù)據(jù)查詢，結(jié)果記為f_i，計算其分配的隱私預(yù)算，記為ε_i，具體值為：

步驟三：計算添加在數(shù)據(jù)中的噪聲：

對用戶的每一次數(shù)據(jù)查詢結(jié)果f_i，計算敏感度Δf_i；再結(jié)合分配給查詢的隱私預(yù)算ε_i，對查詢結(jié)果應(yīng)用差分隱私保護算法，計算需要添加的噪聲，得到含有噪聲的查詢結(jié)果；

步驟四：返回用戶查詢的結(jié)果：

根據(jù)用戶提交的查詢，返回含有噪聲的查詢結(jié)果，使數(shù)據(jù)的隱私得到保護；

步驟二中，所述泊松概率機制具體如下：

泊松分布滿足期望值E(X)＝λ，表示單位時間內(nèi)隨機時間的平均發(fā)生率；

要實現(xiàn)交互式場景下用戶的無窮次查詢，用戶每提交一次查詢，系統(tǒng)便為查詢分配一個隱私預(yù)算ε_i并應(yīng)用差分隱私保護算法M_i，M_i滿足ε_i-差分隱私，1≤i≤∞，隱私預(yù)算和應(yīng)滿足

設(shè)泊松分布期望值等于用戶基礎(chǔ)查詢次數(shù)，即E(X)＝k，則有兩邊同時乘以ε，即滿足上述的隱私預(yù)算無窮分配；

泊松機制下的隱私預(yù)算分配計算方法如下：

2.根據(jù)權(quán)利要求1所述的數(shù)據(jù)查詢隱私保護的隱私預(yù)算分配和數(shù)據(jù)發(fā)布方法，其特征在于，步驟一中，所述隱私預(yù)算ε代表隱私保護水平，ε越小，隱私保護水平越高，反之，隱私保護水平就越低，同時ε也影響著噪聲的大小，越小的ε就會引入越大的噪聲；

所述基礎(chǔ)查詢次數(shù)k表示用戶理想的查詢次數(shù)，經(jīng)過k次查詢返回精確的查詢結(jié)果；為了保證數(shù)據(jù)的隱私性，當(dāng)查詢次數(shù)超過k時，系統(tǒng)返回噪音查詢結(jié)果。

3.根據(jù)權(quán)利要求1所述的數(shù)據(jù)查詢隱私保護的隱私預(yù)算分配和數(shù)據(jù)發(fā)布方法，其特征在于，步驟二中，應(yīng)用差分隱私的序列組合性質(zhì)：

差分隱私保護算法M₁，M₂，…，M_∞，分別滿足ε_i-差分隱私，其中，1≤i≤∞，對于同一個數(shù)據(jù)集D，算法{M₁，M₂，…，M_∞}的序列組合提供

4.根據(jù)權(quán)利要求1所述的數(shù)據(jù)查詢隱私保護的隱私預(yù)算分配和數(shù)據(jù)發(fā)布方法，其特征在于，步驟三中，所述敏感度Δf_i的計算方式為：

對于任意一個函數(shù)f:D→R^d，函數(shù)f的敏感度為

其中，數(shù)據(jù)集D和D′為鄰近數(shù)據(jù)集，具有相同的屬性結(jié)構(gòu)，兩者之間至多相差一條記錄。

5.根據(jù)權(quán)利要求4所述的數(shù)據(jù)查詢隱私保護的隱私預(yù)算分配和數(shù)據(jù)發(fā)布方法，其特征在于，步驟三中，通過拉普拉斯分布產(chǎn)生噪音，從而實現(xiàn)差分隱私保護，輸出結(jié)果為：其中即為拉普拉斯噪音變量，噪音量的大小與查詢敏感度Δf_i成正比，與分配的隱私預(yù)算ε_i成反比。

6.一種數(shù)據(jù)查詢隱私保護的隱私預(yù)算分配和數(shù)據(jù)發(fā)布系統(tǒng)，其特征在于，包括：

差分隱私預(yù)算總量設(shè)定模塊，用于根據(jù)隱私保護需求程度，設(shè)定差分隱私預(yù)算總量；

對存儲于計算機系統(tǒng)中的數(shù)據(jù)庫，數(shù)據(jù)管理員根據(jù)數(shù)據(jù)的重要程度，給定數(shù)據(jù)的隱私預(yù)算，記為ε，其中0ε≤1；并設(shè)定對數(shù)據(jù)的基礎(chǔ)查詢次數(shù)，記為k，其中k200；

差分隱私預(yù)算序列生成模塊，用于計算在每次數(shù)據(jù)查詢中的差分隱私預(yù)算，生成差分隱私預(yù)算序列；

根據(jù)所述隱私預(yù)算ε和基礎(chǔ)查詢次數(shù)k，利用泊松概率機制，實現(xiàn)對所述隱私預(yù)算ε的無窮次分配；對用戶每提交一次數(shù)據(jù)查詢，結(jié)果記為f_i，計算其分配的隱私預(yù)算，記為ε_i，具體值為：

所述泊松概率機制具體如下：

泊松分布滿足期望值E(X)＝λ，表示單位時間內(nèi)隨機時間的平均發(fā)生率；

要實現(xiàn)交互式場景下用戶的無窮次查詢，用戶每提交一次查詢，系統(tǒng)便為查詢分配一個隱私預(yù)算ε_i并應(yīng)用差分隱私保護算法M_i，M_i滿足ε_i-差分隱私，1≤i≤∞，隱私預(yù)算和應(yīng)滿足

設(shè)泊松分布期望值等于用戶基礎(chǔ)查詢次數(shù)，即E(X)＝k，則有兩邊同時乘以ε，即滿足上述的隱私預(yù)算無窮分配；

泊松機制下的隱私預(yù)算分配計算方法如下：

隨機噪聲計算模塊，用于根據(jù)用戶提交的查詢、查詢的敏感度，采用差分隱私預(yù)算序列計算隨機噪聲；

對用戶的每一次數(shù)據(jù)查詢結(jié)果f_i，計算敏感度Δf_i；再結(jié)合分配給查詢的隱私預(yù)算ε_i，對查詢結(jié)果應(yīng)用差分隱私保護算法，計算需要添加的噪聲，得到含有噪聲的查詢結(jié)果；

查詢結(jié)果返回模塊，用于計算含有噪聲的查詢結(jié)果，并向用戶返回查詢結(jié)果；

根據(jù)用戶提交的查詢，返回含有噪聲的查詢結(jié)果，使數(shù)據(jù)的隱私得到保護。