CN107302521B - 一种用户隐私数据的发送方法和接收方法 - Google Patents

一种用户隐私数据的发送方法和接收方法 Download PDF

Info

Publication number
CN107302521B
CN107302521B CN201710369664.9A CN201710369664A CN107302521B CN 107302521 B CN107302521 B CN 107302521B CN 201710369664 A CN201710369664 A CN 201710369664A CN 107302521 B CN107302521 B CN 107302521B
Authority
CN
China
Prior art keywords
user
bloom filter
parameter
privacy
privacy data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710369664.9A
Other languages
English (en)
Other versions
CN107302521A (zh
Inventor
黄凤
叶云
黄辉
梁云
李春龙
黄莉
郭云飞
王瑶
曾鹏飞
于振江
王娟娟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
Global Energy Interconnection Research Institute
Weifang Power Supply Co of State Grid Shandong Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Global Energy Interconnection Research Institute
Weifang Power Supply Co of State Grid Shandong Electric Power Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, Global Energy Interconnection Research Institute, Weifang Power Supply Co of State Grid Shandong Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201710369664.9A priority Critical patent/CN107302521B/zh
Publication of CN107302521A publication Critical patent/CN107302521A/zh
Application granted granted Critical
Publication of CN107302521B publication Critical patent/CN107302521B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/04—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks
    • H04L63/0428—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks wherein the data content is protected, e.g. by encrypting or encapsulating the payload
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
    • G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
    • G06F21/6245—Protecting personal data, e.g. for financial or medical purposes

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Bioethics (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Signal Processing (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Storage Device Security (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种用户隐私数据的发送方法和接收方法，所述发送方法包括：接收全局参数，所述全局参数包括布隆过滤器参数、隐私预算比例参数和随机化参数；根据隐私预算和所述全局参数随机化用户隐私数据；发送随机化后的所述用户隐私数据。由此，使得用户的个性化隐私保护需求得以考虑，而且不必检测数据收集方是否可信。

Description

一种用户隐私数据的发送方法和接收方法
技术领域
本发明涉及物联网技术领域，具体涉及一种用户隐私数据的发送方法和接收方法。
背景技术
在物联网中，运营方通过收集用户的个人信息并进行数据分析，可以了解用户的生活习惯，从而提供更好的服务。然而对于用户而言，个人信息属于隐私，必须得到保护。为了保护用户的隐私，现有的隐私保护机制通常是根据预设的全局参数，对每个用户的个人信息进行相同的处理，这种机制要求数据收集方是可信的。
现有的隐私保护机制的缺陷主要在于，不能考虑每个用户的个性化隐私保护需求。另一方面，当数据收集方的可信性认证失效，会导致不可信的数据收集方获得用户的数据，存在用户隐私泄露的风险。
发明内容
本发明要解决的技术问题在于，现有的隐私保护机制不能考虑每个用户的个性化隐私保护需求，且存在用户隐私泄露的风险。
为此，本发明实施例提供了一种用户隐私数据的发送方法，包括：
接收全局参数，所述全局参数包括布隆过滤器参数、隐私预算比例参数和随机化参数；根据隐私预算和所述全局参数随机化用户隐私数据；发送随机化后的所述用户隐私数据。
可选的，所述隐私预算比例参数是0.5或0。
可选的，所述根据隐私预算和所述全局参数随机化用户隐私数据包括：
根据所述隐私预算和所述隐私预算比例参数获取随机回应策略；根据所述布隆过滤器参数将所述用户隐私数据映射为布隆过滤器B；根据所述随机回应策略一次修改所述布隆过滤器B的值获取布隆过滤器 B’；根据所述随机化参数二次修改所述布隆过滤器B’的值获取布隆过滤器S。
本发明实施例还提供了一种用户隐私数据的接收方法，包括：接收用户隐私数据，所述用户隐私数据是已根据预先发送的全局参数以及用户自行选择的隐私预算随机化的用户隐私数据，所述全局参数包括布隆过滤器参数、隐私预算比例参数和随机化参数；根据所述全局参数对所述用户隐私数据进行处理以获取用户整体统计信息。
可选的，所述根据预先发送的全局参数以及用户自行选择的隐私预算随机化所述用户隐私数据包括：
根据所述隐私预算和所述隐私预算比例参数获取随机回应策略；
根据所述布隆过滤器参数将所述用户隐私数据映射为布隆过滤器B；
根据所述随机回应策略一次修改所述布隆过滤器B的值获取布隆过滤器B’；
根据所述随机化参数二次修改所述布隆过滤器B’的值获取布隆过滤器S。
可选的，所述根据所述全局参数对所述用户隐私数据进行处理以获取所有用户整体统计信息包括：根据所述隐私预算比例参数、所述随机化参数和所述用户隐私数据估算所述随机回应策略；根据估算的所述随机回应策略和所述用户隐私数据得到无偏估计T；累加所有用户的所述无偏估计T得到聚合数组W；根据所述聚合数组W构造用户类别频数集合E，所述用户类别频数集合E＝布隆过滤矩阵X的伪逆×聚合数组W，其中所述布隆过滤矩阵X为隐私数据所有类别的布隆过滤器组成的比特数组。
可选的，当所述随机回应策略是<gj，hj>，其中j表示第j个用户时，所述根据估算的所述随机回应策略和所述用户隐私数据得到无偏估计T包括：判断是否gj+hj≠0；当gj+hj＝0时，结束；当gj+hj≠0时，判断所述布隆过滤器S中的每一位Sk等于1或0；当Sk＝1时，Tk＝[2-(1+hj)q-(1-hj)p]/[p(gj-hj)-q(gj+hj)]；当Sk＝0时，Tk＝[0-(1+hj)q-(1+hj)p]/ [p(gj-hj)-q(gj+hj)]；式中：p、q为随机化参数；gj、hj为第j个用户的随机回应策略。
本发明实施例的用户隐私数据的发送方法和接收方法，通过根据隐私预算和全局参数随机化用户隐私数据，使得用户的个性化隐私保护需求得以考虑，而且不必检测数据收集方是否可信。
附图说明
通过参考附图会更加清楚的理解本发明的特征和优点，附图是示意性的而不应理解为对本发明进行任何限制，在附图中：
图1示出了本发明实施例的用户隐私数据的发送方法的流程图；
图2示出了本发明实施例的另一种用户隐私数据的发送方法的流程图；
图3示出了本发明实施例的用户隐私数据的接收方法的流程图；
图4示出了本发明实施例的另一种用户隐私数据的接收方法的流程图。
具体实施方式
下面将结合附图对本发明的实施例进行详细描述。
RAPPOR算法将客户端的真实值v和执行参数k，h，f，p，q接受，并在客户端计算机上本地执行以下步骤。
实施例1
如图1所示，本发明实施例提供了一种用户隐私数据的发送方法，适用于物联网中的用户端用户信息收集装置，例如智能传感器，包括：
S11.接收全局参数，所述全局参数包括布隆过滤器参数<l,m,H>、隐私预算比例参数f和随机化参数p和q；
具体的，该全局参数是物联网运营方向物联网中的每一位用户发布的；所述布隆过滤器参数中，l表示布隆过滤器的向量长度，m表示哈希函数的个数，H表示构造布隆过滤器所用的哈希函数的集合；隐私预算比例参数f的取值可以是0.5或0，当f＝0.5时，表示采用的对称估计策略，当f＝0时，表示最优估计策略；随机化参数p和q表示下述的第二次随机化过程中所采用的参数。
S12.根据隐私预算和所述全局参数随机化用户隐私数据；
隐私保护技术可以分为数据失真(distorting)、数据加密和限制发布等三种。其中，数据失真技术是采用添加噪音、交换等技术对原始数据进行扰动处理，但处理后的数据仍可以保持某些统计方面的性质，以便进行数据挖掘等操作；数据加密技术是采用加密技术在数据挖掘过程中隐藏敏感数据；限制发布技术是根据具体情况有条件地发布数据，如不发布某些数据的某些阈值，数据泛化等。这些技术各有各的优缺点。数据失真技术效率比较高，但存在一定程度的信息丢失；加密技术能保证最终数据的准确性和安全性，但计算开销比较大；限制发布技术能保证所发布的数据一定真实，但发布的数据会有一定的信息丢失。
其中，基于数据失真的隐私保护技术包括随机化、阻塞、交换、凝聚等。本实施例所采用的是随机化的隐私保护技术，但是本领域技术人员可以根据实际需要选择适当的隐私保护技术，本发明不限于此。
具体地，上述隐私预算εj，其中j表示第j个用户，是由用户自行选择的，表示隐私保护水平，εj的取值范围是[0.1,2]，越小表示隐私保护程度越高。
S13.发送随机化后的所述用户隐私数据。
具体地，与现有技术不同，由于随机化中除了全局参数还采用了隐私预算，而隐私预算是基于本地的，是包括数据收集方在内的第三方所不能掌握的，因此本实施例中发送数据时可以不检测数据收集方是否是可信。
本实施例的用户隐私数据的发送方法，通过根据隐私预算和全局参数随机化用户隐私数据，使得用户的个性化隐私保护需求得以考虑，而且不必检测数据收集方是否可信。
实施例2
如图2所示，在实施例1的基础上，本发明实施例还提供了一种用户隐私数据的发送方法，包括：
S21.接收全局参数，详细内容参考步骤S11所述；
S22.根据隐私预算εj和隐私预算比例参数f获取随机回应策略<gj， hj>；
具体地，通过
Figure GDA0002758877390000051
和
Figure GDA0002758877390000052
求得<gj， hj>。
S23.根据所述布隆过滤器参数将所述用户隐私数据映射为布隆过滤器B；
例如，当用户隐私数据为dj、哈希函数的个数m＝1时，根据布隆过滤器参数<l,m,H>将dj映射为布隆过滤器B包括：初始化一个长为 l的初值全为0的位数组，利用哈希函数H将数值dj映射到布隆过滤器B中的一个伪随机位置，然后将该位置设为1。
S24.根据所述随机回应策略一次修改所述布隆过滤器B的值获取布隆过滤器B’；
具体地，对于B中的每一位，Bi＝1时，Bi’＝1的概率为(1+g)/2， Bi’＝0的概率为(1-g)/2；Bi＝0时，Bi’＝1的概率为(1-h)/2，Bi’＝0的概率为(1+h)/2。Bi’取值于0或1，此处Bi’的取值与概率之间的关系是当 Bi＝0时，Bi’有(1-h)/2的概率取值为1，有(1+h)/2的概率取值为0；当 Bi＝1时，Bi’有(1+g)/2的概率取值为1，有(1-g)/2的概率取值为0。
S25.根据所述随机化参数二次修改所述布隆过滤器B’的值获取布隆过滤器S。
二次随机化可以加强保护的强度。具体地，对B’的每一位，当Bi’＝1时，Si＝1的概率为p，Si＝0的概率为1-p；而Bi’＝0时，Si＝1的概率为q，Si＝0的概率为1-q。Si的取值于0或1，此处Si的取值与概率之间的关系是当Bi’＝1时，Si有p的概率取值为1，有1-p的概率取值为0；当Bi’＝0时，Si有q的概率取值为1，有1-q的概率取值为0。
S26.发送布隆过滤器S。
本实施例的用户隐私数据的发送方法，通过上述步骤S22-S25，具体提供了根据隐私预算和全局参数随机化用户隐私数据的方法，使得用户的个性化隐私保护需求得以考虑，而且不必检测数据收集方是否可信。
实施例3
如图3所示，本发明实施例提供了一种用户隐私数据的接收方法，适用于物联网运营方，包括：
S31.接收用户隐私数据，所述用户隐私数据例如是根据实施例1 或2所述的方法随机化后的用户隐私数据(即上述布隆过滤器S)，所述全局参数包括布隆过滤器参数、隐私预算比例参数和随机化参数；
S32.根据所述全局参数对所述用户隐私数据进行处理以获取用户整体统计信息。具体地，用户整体统计信息例如是用户年龄信息。
本实施例通过对根据实施例1或2所述的方法随机化后的用户隐私数据进行处理，能够获取用户整体统计信息。
实施例4
如图4所示，在实施例3的基础上，本发明实施例又提供了一种用户隐私数据的接收方法，包括：
S41.接收用户隐私数据，详细内容参考步骤S31所述；
S42.根据所述隐私预算比例参数f、随机化参数p和q、以及所述用户隐私数据(即上述布隆过滤器S)估算所述随机回应策略；
根据实施例2可知，当Bi＝0时，Si＝1的概率为[(1+h)q+(1-h)p]/2；当Bi＝1时，Si＝1的概率为[(1-g)q+(1+g)p]/2。由于只采用了一个哈希函数，因可知布隆过滤器B中只有1位取值为1，其余皆为0，因此 E[sum(S)]＝[(1-g)q+(1+g)p]/2+(L-1)[(1+h)q+(1-h)p]/2，其中E[sum(S)]表示S中取值为1的位数的期望，L表示布隆过滤器的长度。因此根据已知的f,p,q以及E[sum(S)]便求得第j个用户的随机回应策略<gj，hj>。例如f＝0.5时，gj＝hj＝[2E[sum(S)]-(p+q)L]/[(L-2)(q-p)]。
S43.根据估算的所述随机回应策略<gj，hj>和所述用户隐私数据S 得到无偏估计T；
具体地，首先判断是否gj+hj≠0；当gj+hj＝0时，结束；当gj+hj≠0 时，判断所述布隆过滤器S中的每一位Sk等于1或0；当Sk＝1时，Tk＝ [2-(1+hj)q-(1-hj)p]/[p(gj-hj)-q(gj+hj)]；当Sk＝0时，Tk＝[0-(1+hj)q-(1+hj)p]/ [p(gj-hj)-q(gj+hj)]；式中：p、q为随机化参数；gj、hj为第j个用户的随机回应策略。
S44.累加所有用户的所述无偏估计T得到聚合数组W；
S45.根据所述聚合数组W构造用户类别频数集合E，所述用户类别频数集合E＝布隆过滤矩阵X的伪逆×聚合数组W，其中所述布隆过滤矩阵X为隐私数据所有类别的布隆过滤器组成的比特数组，矩阵X 的每一列都表示1个类别隐私数据的布隆过滤器B表示。
本实施例的用户隐私数据的接收方法，通过上述步骤S42-S45，具体提供了对用户隐私数据进行处理以获取用户整体统计信息的方法。
可选的，还可以根据用户类别频数集合E进行直方图估计。
本领域内的技术人员还应理解，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等) 上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的，应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
虽然结合附图描述了本发明的实施方式，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下作出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。

Claims (4)

1.一种用户隐私数据的发送方法，其特征在于，包括：
接收全局参数，所述全局参数包括布隆过滤器参数、隐私预算比例参数和随机化参数，隐私预算比例参数f的取值是0.5或0，当f＝0.5时，表示采用对称估计策略，当f＝0时，表示采用最优估计策略；
根据隐私预算和所述全局参数随机化用户隐私数据，所述根据隐私预算和所述全局参数随机化用户隐私数据包括：
根据所述隐私预算和所述隐私预算比例参数获取随机回应策略；
根据所述布隆过滤器参数将所述用户隐私数据映射为布隆过滤器B；
根据所述随机回应策略一次修改所述布隆过滤器B的值获取布隆过滤器B’；
根据所述随机化参数二次修改所述布隆过滤器B’的值获取布隆过滤器S；
发送随机化后的所述用户隐私数据。
2.一种用户隐私数据的接收方法，其特征在于，包括：
接收用户隐私数据，所述用户隐私数据是已根据预先发送的全局参数以及用户自行选择的隐私预算随机化的用户隐私数据，所述全局参数包括布隆过滤器参数、隐私预算比例参数和随机化参数，隐私预算比例参数f的取值是0.5或0，当f＝0.5时，表示采用对称估计策略，当f＝0时，表示采用最优估计策略；
所述根据预先发送的全局参数以及用户自行选择的隐私预算随机化所述用户隐私数据包括：
根据所述隐私预算和所述隐私预算比例参数获取随机回应策略；
根据所述布隆过滤器参数将所述用户隐私数据映射为布隆过滤器B；
根据所述随机回应策略一次修改所述布隆过滤器B的值获取布隆过滤器B’；根据所述随机化参数二次修改所述布隆过滤器B’的值获取布隆过滤器S；根据所述全局参数对所述用户隐私数据进行处理以获取所有用户整体统计信息。
3.根据权利要求2所述的方法，其特征在于，所述根据所述全局参数对所述用户隐私数据进行处理以获取所有用户整体统计信息包括：
根据所述隐私预算比例参数、所述随机化参数和所述用户隐私数据估算所述随机回应策略；
根据估算的所述随机回应策略和所述用户隐私数据得到无偏估计T；
累加所有用户的所述无偏估计T得到聚合数组W；
根据所述聚合数组W构造用户类别频数集合E，所述用户类别频数集合E＝布隆过滤矩阵X的伪逆×聚合数组W，其中所述布隆过滤矩阵X为用户隐私数据所有类别的布隆过滤器组成的比特数组。
4.根据权利要求3所述的方法，其特征在于，当所述随机回应策略是<gj，hj>，其中j表示第j个用户，所述根据估算的所述随机回应策略和所述用户隐私数据得到无偏估计T包括：
判断是否gj+hj≠0；
当gj+hj＝0时，结束；
当gj+hj≠0时，判断所述布隆过滤器S中的每一位Sk等于1或0；
当Sk＝1时，Tk＝[2-(1+hj)q-(1-hj)p]/[p(gj-hj)-q(gj+hj)]；
当Sk＝0时，Tk＝[0-(1+hj)q-(1+hj)p]/[p(gj-hj)-q(gj+hj)]；
式中：p、q为随机化参数；gj、hj为第j个用户的随机回应策略。
CN201710369664.9A 2017-05-23 2017-05-23 一种用户隐私数据的发送方法和接收方法 Active CN107302521B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710369664.9A CN107302521B (zh) 2017-05-23 2017-05-23 一种用户隐私数据的发送方法和接收方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710369664.9A CN107302521B (zh) 2017-05-23 2017-05-23 一种用户隐私数据的发送方法和接收方法

Publications (2)

Publication Number Publication Date
CN107302521A CN107302521A (zh) 2017-10-27
CN107302521B true CN107302521B (zh) 2021-03-23

Family

ID=60137333

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710369664.9A Active CN107302521B (zh) 2017-05-23 2017-05-23 一种用户隐私数据的发送方法和接收方法

Country Status (1)

Country Link
CN (1) CN107302521B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109902506B (zh) * 2019-01-08 2021-02-26 中国科学院软件研究所 一种多隐私预算的本地差分隐私数据分享方法和系统
CN110866263B (zh) * 2019-11-14 2022-05-24 中国科学院信息工程研究所 一种可对抗纵向攻击的用户隐私信息保护方法及系统
CN112995076B (zh) * 2019-12-17 2022-09-27 国家电网有限公司大数据中心 一种离散数据频率估计方法、用户端、数据中心及系统
CN112069512B (zh) * 2020-08-11 2024-09-20 微民保险代理有限公司 数据处理方法、装置、计算机设备和存储介质
CN113297621B (zh) * 2021-06-10 2024-09-06 南京航空航天大学 一种基于个性化本地差分隐私的数据收集方法
CN114090656B (zh) * 2021-11-23 2023-05-26 抖音视界有限公司 一种数据处理方法、装置、计算机设备及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103279499A (zh) * 2013-05-09 2013-09-04 北京信息科技大学 个性化信息检索中用户隐私保护方法
CN104102714A (zh) * 2014-07-16 2014-10-15 上海交通大学 基于累加器和布隆过滤器的外包数据查询验证方法及系统
CN104484616A (zh) * 2014-12-03 2015-04-01 浪潮电子信息产业股份有限公司 一种MapReduce数据处理框架下的隐私保护方法
CN105095447A (zh) * 2015-07-24 2015-11-25 武汉大学 一种分布式w-事件型差分隐私无限流数据发布方法
CN106453393A (zh) * 2016-11-11 2017-02-22 湖北大学 参与式感知中可验证的隐私保护数据类型匹配方法
CN106570422A (zh) * 2016-11-16 2017-04-19 南京邮电大学 一种差分隐私噪声动态分配的实现方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103605749A (zh) * 2013-11-20 2014-02-26 同济大学 一种基于多参数干扰的隐私保护关联规则数据挖掘方法
CN106599725B (zh) * 2016-12-22 2019-05-10 广西师范大学 图数据发布的随机化隐私保护方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103279499A (zh) * 2013-05-09 2013-09-04 北京信息科技大学 个性化信息检索中用户隐私保护方法
CN104102714A (zh) * 2014-07-16 2014-10-15 上海交通大学 基于累加器和布隆过滤器的外包数据查询验证方法及系统
CN104484616A (zh) * 2014-12-03 2015-04-01 浪潮电子信息产业股份有限公司 一种MapReduce数据处理框架下的隐私保护方法
CN105095447A (zh) * 2015-07-24 2015-11-25 武汉大学 一种分布式w-事件型差分隐私无限流数据发布方法
CN106453393A (zh) * 2016-11-11 2017-02-22 湖北大学 参与式感知中可验证的隐私保护数据类型匹配方法
CN106570422A (zh) * 2016-11-16 2017-04-19 南京邮电大学 一种差分隐私噪声动态分配的实现方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Úlfar Erlingsson等.RAPPOR: Randomized Aggregatable Privacy-Preserving Ordinal Response.《proceedings of the 2014 ACM SIGSAC CCS》.2014,正文第1054-1067页. *

Also Published As

Publication number Publication date
CN107302521A (zh) 2017-10-27

Similar Documents

Publication Publication Date Title
CN107302521B (zh) 一种用户隐私数据的发送方法和接收方法
US10977384B2 (en) Hardware protection for differential privacy
US10404668B2 (en) Technique for securely performing an operation in an IoT environment
CN109787956B (zh) 数据表加密方法、装置、计算机设备及存储介质
JP2012133320A (ja) 複数データベースのための差分プライバシー集合分類器
CN108989339B (zh) 一种具有策略隐藏功能的密文加密方法、系统及存储介质
CN110866263B (zh) 一种可对抗纵向攻击的用户隐私信息保护方法及系统
CN109344640B (zh) 一种基于同态加密和多项式计算的子图匹配方法
CN112787809B (zh) 一种高效的群智感知数据流隐私保护真值发现方法
CN110365679B (zh) 基于众包评估的情境感知云端数据隐私保护方法
CN106453393B (zh) 参与式感知中可验证的隐私保护数据类型匹配方法
Bhuiyan et al. Maintaining the balance between privacy and data integrity in internet of things
US10649919B2 (en) Information processing method and information processing system
Kaur et al. A secure data classification model in cloud computing using machine learning approach
CN104023009B (zh) 一种Web系统许可证验证方法
US9735963B2 (en) Decryption service providing device, processing device, safety evaluation device, program, and recording medium
CN110365620B (zh) 一种流式数据隐私保护方法及装置
Sultan et al. A novel image-based homomorphic approach for preserving the privacy of autonomous vehicles connected to the cloud
CN110198216A (zh) 一种保护隐私的增量真值发现方法、装置、计算机设备及存储介质
CN114255440A (zh) 匿名重识别的装置、系统及方法
WO2020063349A1 (zh) 一种数据保护方法、设备、装置和计算机存储介质
CN116484341A (zh) 一种基于哈希加密算法的数字化信息处理方法及系统
CN115118520B (zh) 数据处理方法、装置和服务器
CN115499141B (zh) 一种基于属性的数据加密方法及装置
Li et al. LRDM: Local Record-Driving Mechanism for Big Data Privacy Preservation in Social Networks

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 102209 Beijing City, the future of science and Technology City Binhe Road, No. 18, No.

Applicant after: Global energy Internet Institute, Inc.

Applicant after: State Grid Shandong Electric Power Company Weifang Power Supply Company

Applicant after: State Grid Corporation of China

Address before: 102211 Beijing city Changping District Xiaotangshan town big East Village Road No. 270

Applicant before: GLOBAL ENERGY INTERCONNECTION RESEARCH INSTITUTE

Applicant before: State Grid Shandong Electric Power Company Weifang Power Supply Company

Applicant before: State Grid Corporation of China

CB02 Change of applicant information
CB02 Change of applicant information

Address after: 102209 18 Riverside Avenue, Changping District science and Technology City, Beijing

Applicant after: Global energy Internet Institute, Inc.

Applicant after: State Grid Shandong Electric Power Company Weifang Power Supply Company

Applicant after: State Grid Corporation of China

Address before: 102209 18 Riverside Avenue, Changping District science and Technology City, Beijing

Applicant before: Global energy Internet Institute, Inc.

Applicant before: State Grid Shandong Electric Power Company Weifang Power Supply Company

Applicant before: State Grid Corporation of China

GR01 Patent grant
GR01 Patent grant