CN105046160B - 一种基于直方图的面向数据流差分隐私发布方法 - Google Patents

Abstract

本发明涉及一种基于直方图的面向数据流差分隐私发布方法，包括以下步骤：对于每一个时刻i，数据流接收的数据集为D_i，对数据集D_i中属性A出现的不同元素值进行统计，并按照元素值的大小升序排列，对频数进行归一化处理为P；记最后一次发布的含噪局部最优直方图所对应的真实数据的分布归一化后为Q，计算P与Q的EMD相似度τ；若τ＞σ，则给数据集D_i分配隐私预算其中，并给数据集D_i添加相应的拉普拉斯噪声得到数据集O_i；对数据集O_i利用分组与合并策略，进行局部最优直方图发布。本发明在保证每个窗口中隐私总预算不超过ε时，发布数据的可用性较好。

Description

一种基于直方图的面向数据流差分隐私发布方法

技术领域

本发明涉及差分隐私发布技术领域，特别是涉及一种基于直方图的面向数据流差分隐私发布方法。

背景技术

由于信息化技术的快速发展，用户的隐私信息泄露的问题逐渐凸显，隐私保护技术也引起人们的关注。差分隐私是一种强隐私保护模型，该模型假定攻击者具有除某一条记录以外的其他所有记录信息，即使在这一最大化背景知识下，差分隐私仍然能保证这条记录的隐私信息不被泄露。

目前关于数据流的差分隐私发布技术主要针对的是{0,1}所组成的二进制流，这些方法不足以应用于真实的应用程序中，真实的应用程序是基于窗口的，并且数据流也不会仅仅局限于二进制流，而应是任意数值型数据流。由于每个窗口中的隐私预算是固定的，若考虑给每个子窗口分配相同的隐私预算，当窗口的大小增大时，每个子窗口分配的隐私预算会减小，使得添加的噪声增大，导致数据的可用性降低。面向更一般的数据流，如何在保证每个窗口中的隐私总预算不超过ε时，合理的分配隐私预算，并且能有效的快速发布直方图统计信息，同时保证数据具有一定的可用性，成为一项急需解决的任务。

发明内容

本发明所要解决的技术问题是提供一种基于直方图的面向数据流差分隐私发布方法，以达到每个窗口中隐私总预算不超过ε时，发布数据的可用性较好。

本发明解决其技术问题所采用的技术方案是：提供一种基于直方图的面向数据流差分隐私发布方法，包括以下步骤：

(1)对于每一个时刻i，数据流接收的数据集为D_i，对数据集D_i中属性A出现的不同元素值进行统计，并按照元素值的大小升序排列，对频数进行归一化处理为P；

(2)记最后一次发布的含噪局部最优直方图所对应的真实数据的分布归一化后为Q，计算P与Q的EMD(Earth Mover’s Distance)相似度τ；

(3)若τ＞σ，则给数据集D_i分配隐私预算其中，并给数据集D_i添加相应的拉普拉斯噪声得到数据集O_i，其中，σ为设定的阈值，ε为隐私总预算，w为滑动窗口大小，ε_j为第j个子窗口已分配的预算大小；

(4)对数据集O_i利用分组与合并策略，进行局部最优直方图发布。

所述步骤(3)中若τ≤σ时，则不发布数据集D_i,即数据集O_i＝null。

所述步骤(3)中数据集O_i＝D_i+＜Lap(λ_i)＞^m，其中，＜Lap()＞为拉普拉斯噪声、m的大小为数据集D_i中属性A出现的不同元素值的个数。

所述步骤(3)中若在一个窗口内，数据集连续突变，为了减缓λ_i递增速度，需减缓ε_i的分配，则给数据集D_i分配隐私预算

所述步骤(4)中局部最优直方图发布包括以下子步骤：

(41)假设每个分组为包含固定长度L个不同的含噪统计结果值，则将数据集O_i分成[m/L]个不相交的组；

(42)对每个分组进行最优直方图算法，计算出每个分组所对应的最优直方图划分结果；

(43)对所有分组的最优直方图结果进行合并，得到局部最优直方图发布。

有益效果

由于采用了上述的技术方案，本发明与现有技术相比，具有以下的优点和积极效果：本发明基于滑动窗口模型下，利用相邻两个时间戳的数据集分布的相似性，来动态合理分配隐私预算，使得每一个窗口的总预算不超过ε，并利用分组与合并策略，快速计算出局部最优直方图，从而达到高效的动态流式差分隐私发布策略。

具体实施方式

下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。

本发明的实施方式涉及一种基于直方图的面向数据流差分隐私发布方法，包括以下步骤：

步骤1、对于每一个时刻i，数据流接收的数据集为D_i，对数据集D_i中属性A出现的不同元素值进行统计，并按照元素值的大小升序排列，SD_i＝{{x_p1,f_p1},{x_p2,f_p2},...{x_pm,f_pm}}，其中x_pj为元素值的大小，且x_p1＜x_p2＜x_p3＜...＜x_pm，f_pj为数据集D_i中出现x_pj的频数。对f_pj进行归一化处理，即令(1≤j≤m)，则P＝{{x_p1,w_p1},{x_p2,w_p2},...{x_pm,w_pm}}。

步骤2、记最后一次发布的含噪局部最优直方图所对应的真实数据的分布归一化后为Q，计算P与Q的EMD相似度。P、Q间EMD相似度的计算公式为：其中，距离(1≤i≤m，1≤j≤n)，x_qj为Q中的元素值的大小，由于P、Q均为归一化后的数据集，故可以采用最邻近距离填补法来计算P、Q间EMD相似度τ。

步骤3、令阈值为σ；若τ＞σ，则给D_i分配隐私预算并给数据集D_i添加相应的拉普拉斯噪声得到数据集O_i，其中令则O_i＝D_i+＜Lap(λ_i)＞^m。其中，ε为隐私总预算，w为滑动窗口大小，ε_j为第j个子窗口已分配的预算大小，＜Lap()＞为拉普拉斯噪声，m的大小为数据集D_i中属性A出现的不同元素值的个数。若在一个窗口内，数据集连续突变，导致λ_i以2的指数递增，使得第i时刻添加的噪声较大。为了减缓λ_i递增速度，需减缓ε_i的分配，故可以采用当τ≤σ时，则不发布D_i,即拉普拉斯噪声O_i＝null。

步骤4、对数据集O_i利用分组与合并策略，进行局部最优直方图发布。

直方图是一种描述数据统计信息的有效方式，主要是将数据集划分成不相交的桶。若数据流的数据范围跨度较大，对数据集O_i直接进行全局最优直方图发布，算法执行效率较低，难以满足数据流的快速响应要求。由于数据集D_i中数据统计是按照key值进行排序的，而桶的合并主要发生在相邻的桶间，故可以直接对整个数据集O_i进行分组。

局部最优直方图发布策略：

1)假设每个分组为包含固定长度L个不同的含噪统计结果值，则将数据集O_i分成m/L个不相交的组。

2)对每个分组进行最优直方图算法，计算出每个分组所对应的最优直方图划分结果。

3)对所有分组的最优直方图结果进行合并，得到局部最优直方图发布H_i ^*＝{(l₁,r₁,c₁),...,(l_k,r_k,c_k)}，其中c_j为O_i中落在区间的平均值，其中，l_j和r_j分别表示每个桶的左右边界所对应的下标。

Claims (5)

1.一种基于直方图的面向数据流差分隐私发布方法，其特征在于，包括以下步骤：

(1)对于每一个时刻i，数据流接收的数据集为D_i，对数据集D_i中属性A出现的不同元素值进行统计，并按照元素值的大小升序排列，对频数进行归一化处理为P；

(2)记最后一次发布的含噪局部最优直方图所对应的真实数据的分布归一化后为Q，计算P与Q的EMD相似度τ；

(3)若τ＞σ，则给数据集D_i分配隐私预算 并给数据集D_i添加相应的拉普拉斯噪声得到数据集O_i，其中，σ为设定的阈值，ε为隐私总预算，w为滑动窗口大小，ε_j为第j个子窗口已分配的预算大小；

(4)对数据集O_i利用分组与合并策略，进行局部最优直方图发布。

2.根据权利要求1所述的基于直方图的面向数据流差分隐私发布方法，其特征在于，所述步骤(3)中若τ≤σ时，则不发布数据集D_i,即数据集O_i＝null。

3.根据权利要求1所述的基于直方图的面向数据流差分隐私发布方法，其特征在于，所述步骤(3)中数据集O_i＝D_i+＜Lap(λ_i)＞^m，其中，＜Lap()＞为拉普拉斯噪声、m的大小为数据集D_i中属性A出现的不同元素值的个数。

4.根据权利要求1所述的基于直方图的面向数据流差分隐私发布方法，其特征在于，所述步骤(3)中若在一个窗口内，则给数据集D_i分配隐私预算

5.根据权利要求1所述的基于直方图的面向数据流差分隐私发布方法，其特征在于，所述步骤(4)中局部最优直方图发布包括以下子步骤：

(41)假设每个分组为包含固定长度L个不同的含噪统计结果值，则将数据集O_i分成个不相交的组；

(42)对每个分组进行最优直方图算法，计算出每个分组所对应的最优直方图划分结果；

(43)对所有分组的最优直方图结果进行合并，得到局部最优直方图发布。