[發(fā)明專(zhuān)利]一種事務(wù)數(shù)據(jù)的本地差分隱私收集方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010014936.5
• 申請(qǐng)日: 2020-01-07
• 公開(kāi)（公告）號(hào): CN111199057A
• 公開(kāi)（公告）日: 2020-05-26
• 發(fā)明（設(shè)計(jì)）人: 歐陽(yáng)佳;肖政宏;劉少鵬
• 申請(qǐng)（專(zhuān)利權(quán)）人: 廣東技術(shù)師范大學(xué)
• 主分類(lèi)號(hào): G06F21/62
• 分類(lèi)號(hào): G06F21/62
• 代理公司: 北京勁創(chuàng)知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11589
• 代理人: 陸瀅炎

本發(fā)明提供一種事務(wù)數(shù)據(jù)的本地差分隱私收集方法，步驟包括：基于不同距離的d與m，隨機(jī)生成事務(wù)數(shù)據(jù)集D；對(duì)D所有的數(shù)據(jù)作等長(zhǎng)處理，使之長(zhǎng)度為m，設(shè)k的范圍為[1,d],可以遍歷所有的k，找到使得項(xiàng)的頻數(shù)分布估計(jì)的錯(cuò)誤邊界最小的k；基于距離函數(shù)，從k+1個(gè)候選項(xiàng)集子空間中隨機(jī)抽取一個(gè)，得到inter；基于inter生成事務(wù)數(shù)據(jù)，并發(fā)送給事務(wù)數(shù)據(jù)收集者，數(shù)據(jù)收集者得到數(shù)據(jù)后，運(yùn)用頻數(shù)估計(jì)算法估計(jì)每個(gè)項(xiàng)的頻數(shù)；進(jìn)行TopK頻繁項(xiàng)集挖掘；驗(yàn)證隱私參數(shù)設(shè)置策略，并且與PrivSet進(jìn)行比較與分析。本事務(wù)數(shù)據(jù)的本地差分隱私收集方法可有效保護(hù)用戶(hù)的事務(wù)數(shù)據(jù)，保證用戶(hù)隱私不會(huì)泄漏，避免用戶(hù)數(shù)據(jù)流失，造成不必要的損失。

技術(shù)領(lǐng)域

本發(fā)明涉及數(shù)據(jù)收集技術(shù)領(lǐng)域，具體來(lái)說(shuō)，涉及一種事務(wù)數(shù)據(jù)的本地差分隱私收集方法。

背景技術(shù)

事務(wù)數(shù)據(jù)是項(xiàng)的集合,其中包含豐富的信息并可應(yīng)用于不同的場(chǎng)景(如：購(gòu)買(mǎi)的商品,看過(guò)的電影記錄,搜索日志,網(wǎng)頁(yè)瀏覽歷史等).隨著大數(shù)據(jù)技術(shù)的發(fā)展,海量的事務(wù)數(shù)據(jù)被收集,其中蘊(yùn)含豐富的知識(shí),數(shù)據(jù)收集者通過(guò)數(shù)據(jù)分析(如:協(xié)同過(guò)濾、關(guān)聯(lián)規(guī)則等),基于得到的模型為用戶(hù)提供更好的服務(wù).

然而,事務(wù)數(shù)據(jù)中往往包含個(gè)人隱私信息,如搜索網(wǎng)頁(yè)時(shí)產(chǎn)生的搜索日志會(huì)泄露自己的健康狀態(tài)、居住地點(diǎn)等信息；網(wǎng)上購(gòu)物時(shí)產(chǎn)生的購(gòu)物記錄將泄露自己所購(gòu)買(mǎi)的隱私物品,甚至?xí)孤蹲约旱馁?gòu)物習(xí)慣以及行為模式；瀏覽網(wǎng)頁(yè)時(shí)產(chǎn)生的WEB點(diǎn)擊流將泄露自己的上網(wǎng)習(xí)慣等等.如果不采取任何保護(hù)措施直接收集并分析用戶(hù)的數(shù)據(jù),將會(huì)導(dǎo)致個(gè)人隱私信息的泄露,造成嚴(yán)重危害.震驚世界的AOL日志隱私泄露事件已敲響警鐘,因隱私泄露所帶來(lái)的困擾將嚴(yán)重影響著人們的合法權(quán)益和生活質(zhì)量.

目前,事務(wù)數(shù)據(jù)隱私保護(hù)發(fā)布是研究熱點(diǎn),大多數(shù)研究是將真實(shí)完整的事務(wù)數(shù)據(jù)發(fā)送到數(shù)據(jù)中心,并假設(shè)數(shù)據(jù)中心或數(shù)據(jù)收集者是可信的.數(shù)據(jù)收集者對(duì)數(shù)據(jù)進(jìn)行擾亂處理后,發(fā)布滿足差分隱私約束的數(shù)據(jù)集或相關(guān)統(tǒng)計(jì)信息,該方法統(tǒng)稱(chēng)為中心化差分隱私技術(shù).但盡管數(shù)據(jù)收集者宣稱(chēng)不會(huì)泄露或竊取用戶(hù)的敏感信息,但在商業(yè)或利益的驅(qū)使下,用戶(hù)隱私很難得到保證,因此假設(shè)數(shù)據(jù)中心或數(shù)據(jù)收集者是可信的這一點(diǎn)是不切實(shí)際的。

針對(duì)相關(guān)技術(shù)中的問(wèn)題，目前尚未提出有效的解決方案。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種事務(wù)數(shù)據(jù)的本地差分隱私收集方法，以解決上述背景技術(shù)中提出的問(wèn)題。

為實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：一種事務(wù)數(shù)據(jù)的本地差分隱私收集方法，步驟包括：

a1.基于不同的d與m，隨機(jī)生成事務(wù)數(shù)據(jù)集D；

a2.對(duì)D所有的數(shù)據(jù)作等長(zhǎng)處理，使之長(zhǎng)度為m，；

a3.設(shè)k的范圍為[1,d],可以遍歷所有的k，找到使得項(xiàng)的頻數(shù)分布估計(jì)的錯(cuò)誤邊界最小的k；

a4.基于距離函數(shù)，從k+1個(gè)候選項(xiàng)集子空間中隨機(jī)抽取一個(gè)，得到inter；

a5：基于inter生成事務(wù)數(shù)據(jù)，并發(fā)送給事務(wù)數(shù)據(jù)收集者。

進(jìn)一步地，距離函數(shù)是：

dist(t,s)＝|t∩s|

令t表示用戶(hù)擁有的事務(wù)數(shù)據(jù),基于隱私模型隨機(jī)抽取一個(gè)候選項(xiàng)集s,dist為候選項(xiàng)集s與t的交集的長(zhǎng)度。

進(jìn)一步地，項(xiàng)的頻數(shù)分布估計(jì)的錯(cuò)誤邊界包含項(xiàng)分布估計(jì)的均方差MSE，所述MSE的計(jì)算如下：

F_a的方差為：

Var(F_a)＝n·P_a·TPR·(1-TPR)+(n-n·P_a)·FPR·(1-FPR)