CN112325966A - 面向智能水表数据发布行为的差分隐私机制 - Google Patents

Abstract

本发明属于数据统计的技术领域，具体公开了面向智能水表数据发布行为的差分隐私机制，包括步骤1，将IC卡插入至智能水表进行原始数据记录，并构建原始数据模型；步骤2，对原始数据进行按照拉普拉斯噪声机制在原始数据模型内加入噪音值；步骤3，构建并输出加入噪音值后的数据发布模型。本发明的目的在于提供面向智能水表数据发布行为的差分隐私机制，以解决如何在水表数据发布的过程中进行隐私保护的问题。

Description

面向智能水表数据发布行为的差分隐私机制

技术领域

本发明属于数据统计的技术领域，具体公开了面向智能水表数据发布行为的差分隐私机制。

背景技术

智能水表与人们的日常生活息息相关，目前绝大部分应用中水表数据的抄录方式通常是采用IC卡的方式采集记录，具体操作方式为将IC卡以接触的方式插入智能水表的卡槽中，进行对水表数据的采集与记录。

对于这些水表数据，数据拥有者会对其进行分析和挖掘，也会在一定情况下将这些数据提供发布公开，然而在公开个人数据信息的同时，如何确保每个人的隐私不被泄露，是一个亟待解决的现实问题。

目前，数据的隐私发布方法有许多，常用的隐私发布法有K-匿名法，它通过删除数据表中的一些标识符属性信息，保证每种属性至少对应K条数据，以此来避免真实信息泄漏的风险。对于一般人而言确实起到了一定的隐私保护作用，然而当攻击者掌握了一定量的与水表数据相关联的背景信息之后，能够通过推算计算出每个用户的真实数据，导致这种方法无法对用户发布的水表数据隐私进行保护。

发明内容

本发明的目的在于提供面向智能水表数据发布行为的差分隐私机制，以解决如何在水表数据发布的过程中进行隐私保护的问题。

为了达到上述目的，本发明的基础方案为：面向智能水表数据发布行为的差分隐私机制，步骤1，将IC卡插入至智能水表进行原始数据记录，并构建原始数据模型数据集D；

步骤2，对原始数据进行按照拉普拉斯噪声机制在原始数据模型内加入噪音值；步骤2中的所述噪声值用b表示，即步骤2的过程能够通过函数表示为M(x)＝Q(x)+b，其中M(x)表示最终的一个确定的查询结果，Q(x)表示一个查询函数；在拉布拉斯的机制下

GS_Q为全局敏感度，即GS_Q＝Δf＝max||Q(D₁)-Q(D₂)||₁；拉普拉斯分布的概率密度函数为：

其中μ是位置参数即变量x的期望，b＞0是尺度参数；

步骤3，构建并输出加入噪音值后的数据发布模型。

本基础方案的工作原理和有益效果在于：本技术方案运用于数据结合差分隐私机制中的拉布拉斯原理，有效对原始水表数据库中原始数据进行保护。通过利用拉布拉斯机制处理原始数据后，输出的数据模型得到差分隐私处理，实现其他人在面对处理后的水表数据模型用户仅可以判断数据库的整体信息，而无法得到准确的用户隐私数据的技术效果。

相比于现有技术，本发明不仅实现了对用户水表数据库的隐私保护、而且在实现了对水表数据库的保护以及完整性的同时，还能够有效降低数据失真的程度。

进一步，步骤1中的智能水表包括水表本体，水表本体的前后两端分别开有进水口与出水口，所述水表本体的顶面设有用于记录水表数据的仪表盘，所述水表本体的顶面还开有用于读取IC卡的卡槽。

有益效果：本技术方案通过在水表的顶面开设仪表盘与卡槽，以便于使用者观察及记录水表数据。

进一步，所述水表本体铰接有用于遮盖水表本体顶面的端盖。

有益效果：本技术方案通过在水表本体上铰接端盖，以实现对仪表盘与卡槽遮挡保护的作用。端盖能够在非使用的状态下对水表本体进行遮挡保护。

进一步，所述端盖的转动轴同轴固定有齿轮，所述水表本体开有空腔，所述空腔内水平滑动连接有齿条，所述齿条自由端设有挡板；所述空腔侧壁开有连通卡槽的通孔，所述挡板水平滑动连接在通孔上。

有益效果：本技术方案通过在转动打开水表端盖的过程中，齿轮也会随之发生周向转动，齿轮在转动的过程中带动齿条发生水平移动。齿条在移动的过程中，使挡板通过通孔进入卡槽内，挡板能够对卡槽起到封挡的效果。

进一步，所述齿条自由端固定连接水平的支撑杆，所述挡板铰接在支撑杆上。

有益效果：本技术方案通过设置支撑杆及挡板，以保证挡板在对卡槽起到遮挡作用时能够保证遮挡面积最大。

进一步，所述挡板与支撑杆铰接处固定连接有扭簧，所述扭簧在自由状态下挡板平行于水平面

有益效果：在扭簧的作用下，当IC卡插入卡槽的过程中，也能够折叠挡板使IC卡插入卡槽内。在IC卡拔出后，IC卡在扭簧的作用下进行复位。

进一步，所述空腔顶面可拆卸连接有清洁刷，所述清洁刷底面与挡板顶面相接处。

有益效果：本技术方案通过增设清洁刷，以实现对挡板表面及时清洁的技术效果。在每次挡板收回空腔内的过程中，清洁刷即能够对挡板的顶面实现一次清洁的作用。有效避免污垢在挡板上长期积累的问题。

进一步，所述空腔底面水平滑动连接有收集盘。

有益效果：本技术方案通过增设收集盘，以便于收集从清洁刷上刷下来的污垢。

进一步，所述通孔底面为斜面。

有益效果：本技术方案通过在通孔的底面增设斜面，以实现对坠落下料的污垢导流的技术效果，最终将污垢导流至收集盘内。

进一步，所述齿条延伸于水表本体外部。

有益效果：本技术方案通过将齿条延伸在水表本体外部，以便于使用者直接观察判断滑动情况。

附图说明

图1为本发明实施例智能水表闭合状态下的正视剖视图；

图2为图1中A处的局部放大示意图；

图3为本发明实施例智能水表打开状态下的正视剖视图。

具体实施方式

下面通过具体实施方式进一步详细说明：

说明书附图中的附图标记包括：水表本体1、卡槽2、仪表盘3、进水口4、出水口5、转轴6、端盖7、齿轮8、空腔9、齿条10、支撑杆11、挡板12、清洁刷13、收集盘14、通孔15。

步骤1，将IC卡插入至智能水表进行原始数据记录，并构建原始数据模型；

如附图1与附图2所示，其中智能水表包括水表本体1，水表本体1的顶部开有用于读取接触式IC卡的卡槽2。水表本体1的顶面设有用于记录水表数据的仪表盘3。水表本体1的前后两端分别开有进水口4与出水口5。水表本体1的左侧端部开有销孔，销孔内转动连接有转轴6。转轴6上设有用于遮盖水表本体1上表面的端盖7，转轴6与端盖7之间为一体式成型。转轴6同轴固定连接有齿轮8，水表本体1在相邻卡槽2一侧开有空腔9。空腔9内水平滑动连接有齿条10，齿条10位于齿轮8的下方且同齿轮8相互啮合。齿条10的左端延伸至水表本体1的外部。齿条10的右端焊接固定有支撑杆11，支撑杆11上铰接有用于遮挡卡槽2的挡板12。挡板12与支撑杆11铰接处固定有扭簧，扭簧在自由状态下时挡板12为水平状态。空腔9侧壁开有连通卡槽2的通孔15，挡板12能够在通孔15内自由水平滑动。通孔15的底面为倾角为25度的斜面。在端盖7处于盖合的状态下时，齿条10右端的挡板12完全收缩在空腔9内。在端盖7完全打开时，齿条10右端的挡板12完全伸入在卡槽2内。空腔9在靠近通孔15的顶面上螺纹连接有清洁刷13，清洁刷13的底面与水平状态下的挡板12顶面相互接触。空腔9的底面还水平滑动连接有收集盘14，收集盘14位于清洁刷13的正下方。

步骤2，对每个用户的水表用水量的数据进行按照拉普拉斯机制在原始数据内加入噪音值。

其中步骤2中的噪声值用b表示，即步骤2的过程能够通过函数表示为M(x)＝Q(x)+b。其中M(x)表示最终的一个确定的查询结果，Q(x)表示一个将对发布的智能水表数据的查询函数，b表示一个随机噪声。而拉普拉斯分布的概率密度函数为：

其中μ是位置参数即变量x的期望，b＞0是尺度参数。设μ＝0时，则拉布拉斯分布可以看作是标准差为

的对称指数分布。因此步骤2中的拉普拉斯机制的随机噪声b的计算方法为

ε为隐私预算。

其中GS_Q为全局敏感度。设智能水表数据集D₁中有n条元组，作为其相邻的智能水表数据集的D₂中有n-1条元组，除了比数据集D₁少一项元组之外其他完全相同。查询函数Q：D→R^d的全局敏感度是在D₁和D₂中查询结果的最大差值，即GS_Q＝Δf＝max||Q(D₁)-Q(D₂)||₁。对大多数的查询函数Q(x)来说，Δf的值都比较小。此时攻击者的攻击目标是利用现有知识找出D₂中的缺失项元组，而隐私保护的目标是防止攻击者识别处智能水表数据集D₁和D₂差别，从而保护相差一条记录不被泄露

差分隐私算法实现过程中，隐私预算ε值的设置十分重要。隐私预算ε可以体现安全性级别，它的大小决定了算法实现过程中噪声的注入多少。隐私预算ε值越大说明对数据集注入的噪声越少，对应了越低的安全性级别和越弱的隐私保护程度。同理，隐私预算ε越小,则能够表示智能水表的数据受到的保护等级越高。

用Ψ表示智能水表数据集D₂所有可能取值情况的集合，假设攻击者拥有这样的信息<ω,α,β>，其中ω表示智能水表数据集D₂所有可能取值情况集合Ψ里的一种情况，α和β分别表示攻击者经过查询，对于事件D₂＝ω发生的先验概率和后验概率。其中，因为数据集D₁和D₂仅相差一条记录，则是将D₂＝ω发生的先验概率呈均匀分布，即

相当于从n条记录中随机挑选出n-1条。事件D₂＝ω发生的后验概率β的定义为，给定查询函数f和查询结果γ＝k_f(D₂)，攻击者推测出数据集D₂的取值为其取值集合中某一种情况的概率，即

其中k_f表示一种针对查询函数f的ε-差分隐私机制。后验概率反应攻击者认为数据集D₂为Ψ中一种情况ω的可能性。攻击者选择Ψ中后验概率最大的一种情况作为对数据集D₂的推断，该后验概率可用于反映成功推断两相邻数据集相差元组的概率。

对攻击者来说，最可能对数据集D₂做出正确推断的情况是，D₂的真实取值情况所对应的后验概率最大。对于数据集D₂所有可能取值的组合中，有n种可能，用ω_i,(1≤i≤n)来表示其中的某一种可能。假设ω_i为数据集D₂的真实取值，给出查询结果γ，则在攻击者获得数据集D₂的真实取值的后验概率占所有可能取值情况的比值为：

其中分子中的ω_i表示为数据集D₂的真实取值情况。进而对该式的分子、分母同时除以P(k_f(ω_i)＝γ)，并结合拉普拉斯分布特性、三角不等式等性质整理得出如下式：

其中，Δv＝max_1≤i,j≤n|f(ω_i)-f(ω_j)|,(i≠j)，λ是拉普拉斯分布中的尺度参数。

在满足差分隐私的聚类算法所得到的每个等价类中，元组的属性被泛化为相同，使得攻击者在各个等价类中无法识别出具体的个体信息，达到了保护隐私的效果。所以最小簇中的元素个数可以用于限制攻击者推断成功的最大可能性，即最小簇中的元素个数可以用于限制攻击者推断成功的最大可能性，即最小簇的元组数目可以反映攻击者可攻破信息保护，识别处个体身份的最大可能性。由于攻击者在等价类中只能对某项元组信息真实个体进行猜测，则最小簇中每个元组的被猜出的可能性为元组数目的倒数，最小的元组数目对应最大的倒数。进而用

表示最小簇中元组的个数，则识别出个体身份的最大可能性可以用ρ来表示。差分隐私预算的ε的上界则可以用以下公式推出：

在分析处攻击者推断成功数据集D₂取值情况的后验概率之后，结合数据集自身的分簇特性，可以用最小簇中的元组个数限制攻击成功的可能性。对上式不等号右侧的表达式来说，在ρ取值越大时，该表达式的值越大，使用最小簇所对应的等价类的元组个数来确定

则可以找到ρ取值的最大可能，以便成功确定该不等式右侧表达式上限。对智能水表数据发布场景来说，从某些划分角度可以为用户找到相应的划分，把数据集中性质相近的个体聚集成一个个群体之后，最小群体数目的倒数可以用来限制攻击者进行概率攻击时成功的最大可能性，这也是在实际场景中的现实意义。

本技术方案把隐私预算ε值的范围设定与数据集分簇后最小簇中的元组数目结合起来，通过分析攻击者通过攻击数据集猜测未知信息的最大后验概率，与已知分簇信息相结合来找到这个概率的上限，从而确定隐私预算ε值的取值范围。

步骤3，构建并输出加入噪音值后的数据发布模型。通过步骤2中利用拉布拉斯机制处理原始数据后，输出的数据模型得到差分隐私处理，实现其他人在面对处理后的水表数据模型用户仅可以判断数据库的整体信息，而无法得到准确的用户隐私数据的技术效果。

具体实施过程如下：本技术方案运用三个步骤实现对智能水表数据差分隐私保护，具体运用于数据结合差分隐私机制中的拉布拉斯原理，有效对原始水表数据库中原始数据进行保护。通过在原始数据模型内随机增加噪声，使其他人在面对处理后的水表数据模型用户仅可以判断数据库的来源、验证数据的完整性，而无法得到准确的用户隐私数据。

在水表的端盖7处于闭合的状态下，挡板12完全收缩在空腔9内(效果)。当打开端盖7时，端盖7相对水表本体1发生转动。由于齿轮8与端盖7的转轴6一体成型，因此齿轮8也会随之发生周向转动，齿轮8在转动的过程中带动齿条10发生水平向右移动。齿条10在向右移动的过程中，使挡板12通过通孔15进入卡槽2内，此状态下的挡板12在扭簧作用下始终保持水平的姿态，因此挡板12能够对卡槽2起到封挡，将外来的污垢有效的阻挡在挡板12的顶面上，避免污垢进入卡槽2造成卡槽2内的电学元件污染。

如图3所示，在端盖7打开后，当使用者需要将IC卡插入卡槽2内进行水表数据记录抄送时，IC卡会相抵挡板12的端面。挡板12相对支撑杆11发生周向转动至竖直状态，进而实现IC卡插入卡槽2的效果。

在记录完成之后拔出IC卡，挡板12在扭簧的作用下复位至水平状态，进而使挡板12继续对卡槽2起到保护的作用。

最后使用者转动端盖7使其再次闭合。端盖7在转动的过程中通过齿轮8齿条10的作用使挡板12向左侧收缩。挡板12在收缩的过程中，空腔9内的清洁刷13对挡板12的顶面进行清扫。随着挡板12的持续向左运动，清洁刷13实现对挡板12表面的完全清洁。挡板12表面的污垢在清洁刷13的作用下一部分落入收集盘14内。另一部分落入通孔15上，由于通孔15的底面为斜面，因此最后也会滑落至收集盘14内。

以上所述的仅是本发明的实施例，方案中公知的具体结构及特性等常识在此未作过多描述。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和本发明的实用性。

Claims (10)

1.面向智能水表数据发布行为的差分隐私机制，其特征在于：

步骤1，将IC卡插入至智能水表进行原始数据记录，并构建原始数据模型；

步骤2，对原始数据进行按照拉普拉斯噪声机制在原始数据模型内加入噪音值；步骤2中的所述噪声值用b表示，即步骤2的过程能够通过函数表示为M(x)＝Q(x)+b，其中M(x)表示最终的一个确定的查询结果，Q(x)表示一个查询函数；在拉布拉斯的机制下

GS_Q为全局敏感度，即GS_Q＝Δf＝max||Q(D₁)-Q(D₂)||₁；拉普拉斯分布的概率密度函数为：

其中μ是位置参数即变量x的期望，b＞0是尺度参数；

步骤3，构建并输出加入噪音值后的数据发布模型。

2.根据权利要求1所述的面向智能水表数据发布行为的差分隐私机制，其特征在于：步骤1中的智能水表包括水表本体，所述水表本体的前后两端分别开有进水口与出水口，所述水表本体的顶面设有用于记录水表数据的仪表盘，所述水表本体的顶面还开有用于读取IC卡的卡槽。

3.根据权利要求2所述的面向智能水表数据发布行为的差分隐私机制，其特征在于：所述水表本体铰接有用于遮盖水表本体顶面的端盖。

4.根据权利要求3所述的面向智能水表数据发布行为的差分隐私机制，其特征在于：所述端盖的转动轴同轴固定有齿轮，所述水表本体开有空腔，所述空腔内水平滑动连接有齿条，所述齿条自由端设有挡板；所述空腔侧壁开有连通卡槽的通孔，所述挡板水平滑动连接在通孔上。

5.根据权利要求4所述的面向智能水表数据发布行为的差分隐私机制，其特征在于：所述齿条自由端固定连接水平的支撑杆，所述挡板铰接在支撑杆上。

6.根据权利要求5所述的面向智能水表数据发布行为的差分隐私机制，其特征在于：所述挡板与支撑杆铰接处固定连接有扭簧，所述扭簧在自由状态下挡板平行于水平面。

7.根据权利要求5所述的面向智能水表数据发布行为的差分隐私机制，其特征在于：所述空腔顶面可拆卸连接有清洁刷，所述清洁刷底面与挡板顶面相接处。

8.根据权利要求7所述的面向智能水表数据发布行为的差分隐私机制，其特征在于：所述空腔底面水平滑动连接有收集盘。

9.根据权利要求8所述的面向智能水表数据发布行为的差分隐私机制，其特征在于：所述通孔底面为斜面。

10.根据权利要求5所述的面向智能水表数据发布行为的差分隐私机制，其特征在于：所述齿条延伸于水表本体外部。

Images