[發(fā)明專利]基于本地化差分隱私的頻繁項(xiàng)集挖掘方法

在審

• 申請?zhí)枺?/td>: 202110852419.X
• 申請日: 2021-07-27
• 公開（公告）號: CN113569286A
• 公開（公告）日: 2021-10-29
• 發(fā)明（設(shè)計(jì)）人: 倪巍偉;吳爾立;吳寧
• 申請（專利權(quán)）人: 東南大學(xué);國網(wǎng)江蘇省電力有限公司營銷服務(wù)中心
• 主分類號: G06F21/62
• 分類號: G06F21/62;G06K9/62;G06F16/2458
• 代理公司: 南京眾聯(lián)專利代理有限公司 32206
• 代理人: 杜靜靜

本發(fā)明公開了一種基于本地化差分隱私的的頻繁項(xiàng)集挖掘方法，包括以下步驟：步驟1：本地?cái)?shù)據(jù)保護(hù)階段：采用自適應(yīng)的編碼策略，根據(jù)編碼后0/1串中每一位上0與1的情況，產(chǎn)生擾動參數(shù)數(shù)組，依據(jù)該擾動數(shù)組應(yīng)用隨即響應(yīng)技術(shù)對數(shù)據(jù)進(jìn)行擾動；步驟2：聯(lián)合概率估計(jì)階段：對擾動之后的數(shù)據(jù)，通過隱馬爾可夫模型進(jìn)行模型參數(shù)的學(xué)習(xí)，并用參數(shù)計(jì)算估計(jì)聯(lián)合概率；步驟3：頻繁項(xiàng)集發(fā)現(xiàn)階段：根據(jù)步驟2結(jié)果構(gòu)建原始數(shù)據(jù)對應(yīng)的概率依賴圖，通過頻繁項(xiàng)集先驗(yàn)原理在概率圖中尋找頻繁項(xiàng)集。本發(fā)明可以支持多用戶端分布環(huán)境下兼顧個各個用戶數(shù)據(jù)隱私的頻繁項(xiàng)集挖掘。

技術(shù)領(lǐng)域

本發(fā)明涉及的是一種隱私保護(hù)數(shù)據(jù)挖掘方法，具體涉及的是一種基于本地化差分隱私的頻繁項(xiàng)集挖掘方法。

背景技術(shù)

近年來，隱私保護(hù)頻繁項(xiàng)集挖掘成為了研究者們關(guān)注的熱點(diǎn)問題。差分隱私以其保護(hù)效果有嚴(yán)格的數(shù)學(xué)定義和無需關(guān)心攻擊者的背景知識成為了當(dāng)前隱私保護(hù)領(lǐng)域的熱點(diǎn)技術(shù)。傳統(tǒng)的中心化差分隱私技術(shù)，將數(shù)據(jù)集中到第三方數(shù)據(jù)中心，但在現(xiàn)實(shí)應(yīng)用中往往難以找到可信的第三方數(shù)據(jù)中心，所以通常采用本地化差分隱私技術(shù)，該技術(shù)主要針對不存在可信第三方數(shù)據(jù)中心的分布式應(yīng)用場景，通過在用戶端對用戶敏感數(shù)據(jù)進(jìn)行擾動來保護(hù)用戶的隱私數(shù)據(jù)。定義如下

定義1.本地化差分隱私：給定一個算法Μ，若Μ對任意兩個用戶所持有的數(shù)據(jù)項(xiàng)V₁和V₂的輸出結(jié)果y∈Range(M)，Range(M)表示算法M的值域。若算法M滿足下列不等式，則稱其滿足ε-本地化差分隱私(ε-LDP)。

Pr[M(V₁)＝y(tǒng)]≤e^ε×Pr[M(V₂)＝y(tǒng)]

上述定義可以看出，本地化差分隱私通過使任意兩項(xiàng)數(shù)據(jù)以一定概率產(chǎn)生相同的結(jié)果來保護(hù)用戶的隱私。本地化差分隱私主要采用隨即響應(yīng)技術(shù)對用戶數(shù)據(jù)進(jìn)行擾動?，F(xiàn)有本地化差分隱私保護(hù)頻繁項(xiàng)集挖掘方法主要存在以下問題：(1)傳統(tǒng)基于采樣的頻繁項(xiàng)集挖掘方法每次僅采樣一個值，需要多次與用戶端進(jìn)行交互獲取相關(guān)數(shù)據(jù)特征，通信代價(jià)較大，導(dǎo)致隱私預(yù)算增加，降低了隱私保護(hù)強(qiáng)度；(2)本地化差分隱私數(shù)據(jù)擾動協(xié)議的信噪比相對較大，多維數(shù)據(jù)在數(shù)據(jù)交互時(shí)會產(chǎn)生多種不同的數(shù)據(jù)組合，由于每一個屬性都會被擾動，組合后無疑會放大擾動數(shù)據(jù)中的噪聲，使得數(shù)據(jù)可用性降低；(3)多維數(shù)據(jù)中屬性的關(guān)聯(lián)性不可忽視，直接將已有的本地化差分隱私頻繁項(xiàng)挖掘技術(shù)應(yīng)用到多維數(shù)據(jù)會導(dǎo)致挖掘結(jié)果質(zhì)量降低。

發(fā)明內(nèi)容

本發(fā)明目的在于提供一種多維數(shù)據(jù)場景下的滿足本地化差分隱私的頻繁項(xiàng)集挖掘方法。

為了實(shí)現(xiàn)上述目的，本發(fā)明的技術(shù)方案如下：一種基于本地化差分隱私的頻繁項(xiàng)集挖掘方法，該方法包括以下幾個步驟：步驟1用戶總數(shù)記為N，每個用戶都擁有包含k個屬性的記錄，編號為i的用戶擁有的記錄為D_i＝{a₁,a₂,a₃,...,a_k},1≤i≤N，每一個屬性的值域記為Ω_i,1≤i≤k，其中a_i∈Ω_i,所有值域的大小記為每個用戶對值域中所有可能的值進(jìn)行編碼進(jìn)而確定擾動所需要的參數(shù)數(shù)組f，f為長度為L的實(shí)數(shù)數(shù)組，其中將屬性值域中所有取值轉(zhuǎn)換為2進(jìn)制編碼的0/1串s其形如[0,1,1,0,...,0]，因此編號為j的屬性的0/1串記為s_j,1≤j≤m,則f中元素的計(jì)算方法為其中函數(shù)用戶依據(jù)如下擾動函數(shù)進(jìn)行對0/1串進(jìn)行擾動操作：

用戶擾動后將數(shù)據(jù)發(fā)送給不可信第三方進(jìn)行收集與模型重構(gòu)。