[發(fā)明專利]一種隱私數(shù)據(jù)的清洗方法

有效

• 申請?zhí)枺?/td>: 202011453316.8
• 申請日: 2020-12-11
• 公開（公告）號: CN112464289B
• 公開（公告）日: 2023-01-17
• 發(fā)明（設計）人: 吳曉鸰;胡慶鵬;胡可;凌捷
• 申請（專利權）人: 廣東工業(yè)大學
• 主分類號: G06F21/62
• 分類號: G06F21/62;G06F16/215;G06N3/04;G06N3/08
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 張金福

本發(fā)明提供一種隱私數(shù)據(jù)的清洗方法，包括以下步驟：S1：從數(shù)據(jù)所有方中獲取隱私數(shù)據(jù)，并對隱私數(shù)據(jù)進行預處理；S2：形成第一缺失數(shù)據(jù)集；形成無缺失數(shù)據(jù)集；S3：在第一缺失數(shù)據(jù)集中，形成第二缺失數(shù)據(jù)集，形成異常數(shù)據(jù)集；S4：利用數(shù)據(jù)挖掘算法構建數(shù)據(jù)填充預測模型，并利用數(shù)據(jù)填充預測模型對第二缺失數(shù)據(jù)集中的各項屬性數(shù)據(jù)進行缺失值預測和填充，從而得到已填充好的數(shù)據(jù)集；S5：將已填充好的數(shù)據(jù)集與無缺失數(shù)據(jù)集進行合并，得到合并數(shù)據(jù)集，并將合并數(shù)據(jù)集與異常數(shù)據(jù)集發(fā)送回數(shù)據(jù)所有方，完成對隱私數(shù)據(jù)的清洗。本發(fā)明提供一種隱私數(shù)據(jù)的清洗方法，解決了現(xiàn)有的數(shù)據(jù)清洗方法不能對隱私數(shù)據(jù)進行清洗的問題。

技術領域

本發(fā)明涉及隱私數(shù)據(jù)處理技術領域，更具體的，涉及一種隱私數(shù)據(jù)的清洗方法。

背景技術

在數(shù)據(jù)挖掘產(chǎn)生財富的同時，隨之產(chǎn)生了隱私泄露的問題。數(shù)據(jù)挖掘確實在深層次的趨勢指導應用中發(fā)揮了積極的作用，但與此同時也帶來了諸多問題。比如對于金融交易、醫(yī)療記錄和網(wǎng)絡通信等數(shù)據(jù)，在挖掘的過程中很可能會引發(fā)敏感信息的泄露。

在數(shù)據(jù)挖掘領域，隱私可以被劃分為兩類:一類隱私是原始數(shù)據(jù)本身所包含的敏感信息。由于傳統(tǒng)的數(shù)據(jù)挖掘技術是基于未加密過的原始數(shù)據(jù)來進行的，也就是說必須將包含個人或企業(yè)隱私的原始數(shù)據(jù)交給數(shù)據(jù)挖掘者才能挖掘出有用的知識，如個人的家庭電話、銀行賬號、財產(chǎn)狀況等信息，這些信息一旦泄露的活，極可能會對個人的生活產(chǎn)生不良影響。另一類隱私是原始數(shù)據(jù)所隱含的敏感知識，如某公司優(yōu)質(zhì)客戶的行為特征等規(guī)則，這些知識如果被別有用心的人非法獲得，將會嚴重影響企業(yè)的核心競爭力。

但是，現(xiàn)有的數(shù)據(jù)清洗方法是針對源數(shù)據(jù)進行數(shù)據(jù)清洗，需要知道數(shù)據(jù)字段的含義和數(shù)據(jù)值，不能對隱私數(shù)據(jù)進行清洗。

現(xiàn)有技術中，如2020年7月3日授權的中國專利，基于隱私保護和安全多方計算的數(shù)據(jù)鏈接方法，公告號為CN110609831B，采用一種改進的k-means分類方法對本地數(shù)據(jù)進行分塊，防止用戶敏感信息被敵手獲取，但無法填補隱私數(shù)據(jù)的缺失值。

發(fā)明內(nèi)容

本發(fā)明為克服現(xiàn)有的數(shù)據(jù)清洗方法不能對隱私數(shù)據(jù)進行清洗的技術缺陷，提供一種隱私數(shù)據(jù)的清洗方法。

為解決上述技術問題，本發(fā)明的技術方案如下：

一種隱私數(shù)據(jù)的清洗方法，包括以下步驟：

S1：從數(shù)據(jù)所有方中獲取隱私數(shù)據(jù)，并對隱私數(shù)據(jù)進行預處理；

所述隱私數(shù)據(jù)包括若干項屬性數(shù)據(jù)；

S2：將隱私數(shù)據(jù)中各項具有缺失值的屬性數(shù)據(jù)歸類形成第一缺失數(shù)據(jù)集；

將隱私數(shù)據(jù)中各項不具有缺失值的屬性數(shù)據(jù)歸類形成無缺失數(shù)據(jù)集；

S3：在第一缺失數(shù)據(jù)集中，將屬性數(shù)據(jù)的正常數(shù)據(jù)值歸類形成第二缺失數(shù)據(jù)集，將屬性數(shù)據(jù)的異常數(shù)據(jù)值歸類形成異常數(shù)據(jù)集；

S4：利用數(shù)據(jù)挖掘算法構建數(shù)據(jù)填充預測模型，并利用數(shù)據(jù)填充預測模型對第二缺失數(shù)據(jù)集中的各項屬性數(shù)據(jù)進行缺失值預測和填充，從而得到已填充好的數(shù)據(jù)集；

S5：將已填充好的數(shù)據(jù)集與無缺失數(shù)據(jù)集進行合并，得到合并數(shù)據(jù)集，并將合并數(shù)據(jù)集與異常數(shù)據(jù)集發(fā)送回數(shù)據(jù)所有方，完成對隱私數(shù)據(jù)的清洗。

優(yōu)選的，所述隱私數(shù)據(jù)還包括數(shù)據(jù)項標識，所述數(shù)據(jù)項標識用于唯一確定一項屬性數(shù)據(jù)。

優(yōu)選的，所述隱私數(shù)據(jù)由數(shù)據(jù)所有方對其進行加密，并由數(shù)據(jù)所有方對其各項屬性數(shù)據(jù)進行標識，從而分別說明其各項屬性數(shù)據(jù)是分類數(shù)據(jù)、連續(xù)型數(shù)據(jù)還是類標號；

其中，

對于分類數(shù)據(jù)，還包括標識出有序分類數(shù)據(jù)和無序分類數(shù)據(jù)；

對于連續(xù)型數(shù)據(jù)，還包括根據(jù)數(shù)據(jù)項標識對每項連續(xù)型數(shù)據(jù)進行排序。