[發(fā)明專利]一種基于大數(shù)據(jù)分析的個(gè)人隱私價(jià)值計(jì)算方法

在審

• 申請?zhí)枺?/td>: 201910293654.0
• 申請日: 2019-04-12
• 公開（公告）號: CN110046518A
• 公開（公告）日: 2019-07-23
• 發(fā)明（設(shè)計(jì)）人: 劉廣臣;張鏡;王玉;李赫;馬悅澤;王富國;趙薇
• 申請（專利權(quán)）人: 魯東大學(xué)
• 主分類號: G06F21/62
• 分類號: G06F21/62
• 代理公司: 北京中濟(jì)緯天專利代理有限公司 11429
• 代理人: 馬國冉

1.一種基于大數(shù)據(jù)分析的個(gè)人隱私價(jià)值計(jì)算方法，其特征在于：所述基于大數(shù)據(jù)分析的個(gè)人隱私價(jià)值計(jì)算方法包括：

步驟一，對原始數(shù)據(jù)進(jìn)行模擬，包括數(shù)據(jù)清洗、通過模糊匹配修改離群、填補(bǔ)缺失值以及原始標(biāo)準(zhǔn)化處理，完成原始數(shù)據(jù)分類；

步驟二，構(gòu)建隱私價(jià)值評分模型計(jì)算隱私價(jià)值總分，將隱私價(jià)值總分定義為由預(yù)期收益價(jià)值、風(fēng)險(xiǎn)價(jià)值以及信息相關(guān)價(jià)值計(jì)算組成；

步驟三，根據(jù)歷史數(shù)據(jù)，進(jìn)行數(shù)據(jù)庫動態(tài)優(yōu)化，更新隱私價(jià)值基礎(chǔ)評分模型：

步驟四，進(jìn)行隱私價(jià)值評分情景分析：建立了基于小世界網(wǎng)絡(luò)的改良模型,通過對數(shù)據(jù)關(guān)聯(lián)情況的模擬分析，模擬出了在不同泄露程度下對相關(guān)團(tuán)體的信息安全的影響；使用博弈論的方法分析出加權(quán)有團(tuán)體利益的總體隱私利益，定義動態(tài)博弈時(shí)達(dá)到帕雷托最優(yōu)時(shí)對應(yīng)最大的團(tuán)體總體利益；

步驟五，對步驟四的更新隱私價(jià)值基礎(chǔ)評分模型的穩(wěn)定性進(jìn)行靈敏度檢驗(yàn)。

2.根據(jù)權(quán)利要求1所述的基于大數(shù)據(jù)分析的個(gè)人隱私價(jià)值計(jì)算方法，其特征在于：步驟二中的預(yù)期收益價(jià)值的計(jì)算包括：

步驟2.1，定義預(yù)期收益價(jià)值總分值為

其中，α_j為第j個(gè)參數(shù)的隱私預(yù)期收益價(jià)值系數(shù)，C_j為第j個(gè)參數(shù)的隱私預(yù)期收益價(jià)值；

步驟2.2，使用層次分析法給公民隱私信息賦權(quán)：將個(gè)人隱私信息進(jìn)行量化，將量化過程中的有關(guān)因素分解為目標(biāo)、準(zhǔn)則以及方案，量化后進(jìn)行定性和定量分析；

步驟2.2，使用收益現(xiàn)值法量化隱私的未來價(jià)值，確定隱私信息的隱私預(yù)期收益價(jià)值；

步驟2.3，使用梯度提升樹方法計(jì)算隱私預(yù)期收益價(jià)值系數(shù)：通過使用基于機(jī)器學(xué)習(xí)的組合算法，采用向前分布的算法進(jìn)行迭代，不斷更新權(quán)重；每一輪迭代得到一個(gè)強(qiáng)學(xué)習(xí)器和損失函數(shù)，下一輪迭代的目標(biāo)是迭代出一個(gè)回歸樹模型的弱學(xué)習(xí)器；將第j個(gè)參數(shù)的權(quán)重定義為第j個(gè)參數(shù)的隱私預(yù)期收益價(jià)值系數(shù)：

3.根據(jù)權(quán)利要求2所述的基于大數(shù)據(jù)分析的個(gè)人隱私價(jià)值計(jì)算方法，其特征在于：步驟2.2中包括：

步驟2.2.1，構(gòu)建成對比較矩陣，表征y個(gè)參數(shù)間的相互關(guān)系及重要性大小，y為正整數(shù)；

步驟2.2.2，進(jìn)行層次單排序：將成對比較矩陣的每一列元素進(jìn)行歸一化處理，然后運(yùn)用和積法，將每一列元素經(jīng)歸一化處理后的成對比矩陣按行相加，得到W_i，構(gòu)建特征向量W＝(W₁,W₂,...,W_n)^T，對特征向量W進(jìn)行歸一化處理，得到特征向量的近似解，計(jì)算出對比較矩陣的最大特征根λ_max，再進(jìn)行一致性檢驗(yàn)，確認(rèn)層次排序；所述一致性檢驗(yàn)定義為對A確定不一致的允許范圍；

其中，W_i的元素為同一層次因素對于上一層次因素某因素的相對重要性的排序權(quán)重值；

步驟2.2.4，進(jìn)行成對比較矩陣一致性檢驗(yàn)：定義成對比較矩陣一致性參數(shù)為CI，引入隨機(jī)一致性參數(shù)RI衡量CI大小；隨機(jī)構(gòu)造x個(gè)成對比較矩陣，可得到一致性參數(shù)，x為正整數(shù)；定義矩陣一致性參數(shù)CI與同階平均隨機(jī)一致性參數(shù)RI之比稱為隨機(jī)一致性比率CR；

步驟2.2.5，計(jì)算得出特征向量W＝α_j∈[1，x]表征第j個(gè)參數(shù)的權(quán)重。

4.根據(jù)權(quán)利要求3所述的基于大數(shù)據(jù)分析的個(gè)人隱私價(jià)值計(jì)算方法，其特征在于：步驟二中的風(fēng)險(xiǎn)價(jià)值的計(jì)算包括：

步驟2.A,計(jì)算標(biāo)準(zhǔn)離差率

其中，Cof為標(biāo)準(zhǔn)離差率，E為期望值，σ為標(biāo)準(zhǔn)離差；

步驟2.B，確定風(fēng)險(xiǎn)系數(shù)，將第j個(gè)參數(shù)的權(quán)重作為風(fēng)險(xiǎn)價(jià)值系數(shù)，計(jì)算個(gè)人隱私的預(yù)期風(fēng)險(xiǎn)報(bào)酬率：

其中，R_j為第j個(gè)參數(shù)的風(fēng)險(xiǎn)報(bào)酬率，r_j為第j個(gè)參數(shù)的風(fēng)險(xiǎn)系數(shù)；

步驟2.C，計(jì)算隱私風(fēng)險(xiǎn)報(bào)酬額作為隱私風(fēng)險(xiǎn)分值：

其中，K為隱私風(fēng)險(xiǎn)價(jià)值，I_j為第j個(gè)參數(shù)的預(yù)期收益價(jià)值。