[發明專利]一種采用主成分分析的高維數據差分隱私發布方法

在審

• 申請號: 202210019781.3
• 申請日: 2022-01-10
• 公開（公告）號: CN114372527A
• 公開（公告）日: 2022-04-19
• 發明（設計）人: 褚治廣;王明月;張興;史偉
• 申請（專利權）人: 遼寧工業大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06F21/62;G06N3/04
• 代理公司: 北京遠大卓悅知識產權代理有限公司 11369
• 代理人: 王雪嬌

本發明公開了一種采用主成分分析的高維數據差分隱私發布方法，包括：步驟一、通過PCA方法對原始高維數據進行降維處理，得到投影矩陣Z；步驟二、通過SOM神經網絡聚類將敏感屬性分為c個簇，計算c個簇的敏感度，根據敏感度不同設定簇的敏感級別；步驟三、根據敏感級別依次加入拉普拉斯機制對不同類的屬性添加噪聲。通過PCA算法對高維數據進行降維，再通過SOM神經網絡聚類將屬性劃分為不同類，根據敏感度利用拉普拉斯機制對不同類的屬性添加相應的噪聲，降低了噪聲的添加，并使屬性加噪更加合理，實現了個性化隱私保護，保證了發布數據的可用性。

技術領域

本發明涉及一種差分隱私發布方法，尤其涉及一種采用主成分分析的高維數據差分隱私發布方法。

背景技術

在大數據時代，數據規模快速擴大，以高維形式存在的數據逐漸增多，例如貿易交易數據、WEB使用數據等，在實際應用中對高維數據進行挖掘和分析可以獲得許多有價值的信息，與此同時也面臨著個人隱私信息泄露的問題。

目前的隱私保護技術包括分組技術、加密技術和失真技術。分組技術可以通過抑制、泛化、聚類、分解和置換等方法實現，包括k-匿名、l-多樣性、t-閉合以及它們的改進算法；加密技術通過對原始數據集加密實現敏感信息的安全發布，包括安全多方計算、同態加密等；失真技術對原始數據進行干擾，實現原始數據的隱藏，包括差分隱私、隨機化和阻塞等方法，差分隱私保護技術的應用和發展最為廣泛。高維數據發布對隱私保護的需求較高，因此需要差分隱私保護方法對發布的高維數據進行隱私保護。通過對輸出的結果加入噪聲，使其對數據進行擾動，對個人提供的隱私保護優于傳統隱私保護方法。高維數據的發布在很多情況下需要使高維數據降低到合適的維度，再進行隱私發布處理，使發布的低維數據盡可能接近原始數據集，保持原始數據集的價值最大化，并且保證發布數據的安全性。

目前，對于高維數據發布的隱私保護研究還很少，且都存在缺陷。Zhang等人提出PrivBayes數據發布算法，隨機選擇首個屬性，計算屬性節點間的互信息，選取具有最大互信息的屬性節點構建貝葉斯網絡，減少數據集的屬性數量，以減小數據集規模，構建的貝葉斯網絡與原始高維數據集的聯合概率分布近似相等，實現高維數據集的降維，對貝葉斯網絡使用差分隱私機制。然而該算法存在隨機選擇首個屬性字段；不會首先選擇敏感屬性；形成的貝葉斯網絡不唯一；對貝葉斯網絡模型中的屬性字段隱私保護時沒有明確的順序；無法準確對屬性字段值進行合適的隱私保護等缺陷。王良等人提出加權貝葉斯網絡算法，在差分隱私保護下，通過對屬性字段節點加入權重值來保證屬性字段值的多樣性，與原始高維數據更加接近，并且優化了差分隱私，使該算法發布的數據更準確和安全，但是該算法的結果只是近似的，應該對所有元組進行分析進行差分隱私保護下的高維數據發布。任雪斌等人提出基于貝葉斯網絡的高維數據本地差分隱私發布，構建Bayes網絡使高維數據降維，生成多個相互獨立的低維數據集，并且與原始數據集的分布相似，增加隱私保護強度。DP-SUBN實現分布式下發布高維數據。Chen等人提出JTree方法，使用稀疏向量技術搜索相關的屬性對，利用聯合樹建立能代表屬性關系的圖，以此得到邊緣分布，估計對應的聯合分布，然而JTree不滿足差分隱私，并且可能出現局部最優，增大因加噪造成的誤差。Day等人提出DPSence方法，在滿足差分隱私的條件下可以通過閾值技術控制敏感性，使數據發布更加準確，但是沒有考慮屬性間的關聯。Su等人提出PrivPfC算法，通過指數機制和質量函數，在一個步驟單獨選擇一個網格，該網格將數據域劃分為多個單元。然后將Laplace噪聲注入到選定網格定義的直方圖中，最終發布噪聲直方圖，最大化直方圖分類器正確分類記錄的期望數量，該算法依然沒有考慮屬性之間的關聯性。文獻中提出的屬性分類方法根據兩兩屬性間互信息的大小對屬性進行分類，但是分類標準缺乏客觀性。