[发明专利]一种数据可视化中的差分隐私保护方法及其评价指标

权利要求书

1.一种数据可视化中的差分隐私保护方法，是应用于云计算平台中，其特征是按如下步骤进行：

步骤1、预处理：

步骤1.1、获取分类属性数据集H{x₁,x₂,…,x_i,…,x_n}，其中，x_i表示第i个数据，且第i个数据x_i包含d个属性，i∈[1,n]；

步骤1.2、将所述分类属性数据集H{x₁,x₂,…,x_i,…,x_n}均分为k个子集H{h₀,h₁,…,h_j,…h_k-1}，其中，h_j表示第j个子集，并有：h_j,a表示第j个子集中第a个数据；a∈[1,A_j]，其中，A_j表示第j个子集h_j中所包含的数据个数，且A_j≤ceil(n/k)，ceil(·)为向上取整函数，j∈[0,k-1]；

步骤1.3、将第j个子集h_j的第a个数据中的d个属性用一行文本的形式进行存储，从而完成k个子集中n个数据的存储，形成n行文本；

步骤1.4、根据所述云计算平台的计算能力，利用分片策略FileInputFormat函数将所述n行文本划分为M个数据片，用于并行计算M个Map任务和k个Reduce任务；

步骤2、统计所述第j个子集h_j中第b个属性的属性值为c的总数，记为从而获得k个子集H{h₀,h₁,…,h_j,…h_k-1}中所有属性的属性值的总数；

步骤3、获得聚类中心点：

步骤3.1、对所述第j个子集h_j中第b个属性的属性值为c的总数和第j个子集h_j中所包含的数据个数A_j分别添加拉普拉斯噪声函数Lap((d+1)N/ε)，得到添加噪声后的总数和数据个数A′_j；N为满足差分隐私保护的数据聚合过程中所设定的最大迭代次数；ε为隐私预算参数；

步骤3.2、利用式(1)得到第j个子集h_j中第b个属性的属性值为c的频率从而得到第j个子集h_j中所有属性的属性值的频率：

pa,bj=suma,b′jAj′---(1)]]>

步骤3.3、从所述第j个子集h_j中第b个属性的所有属性值的频率中选取最大值作为所述第j个子集h_j中第b个属性的聚类中心点，记为u_j,b，从而得到第j个子集h_j中所有属性的聚类中心点u_j＝{u_j,1,u_j,2,…,u_j,b，…,u_j,d}，b∈[1,d]，进而得到k个子集的聚类中心点u＝{u₀,u₁,…,u_j，…,u_k-1}；

步骤4、并行运算满足差分隐私保护的数据聚合处理：

步骤4.1、定义当前迭代次数为w，并初始化w＝1；

步骤4.2、判断w＝1是否成立，若成立，则执行步骤4.3；否则，直接执行步骤4.4；

步骤4.3、以所述k个子集的聚类中心点u＝{u₀,u₁,…,u_j，…,u_k-1}作为初始第w-1次迭代的聚类中心点u_w-1；

步骤4.4、将第j个子集h_j的聚类中心点u_j分别与第j个子集中的所有数据组成第w-1次迭代的键值对，记为表示第w-1次迭代中第j个子集中第a个数据属于聚类中心点u_j；

步骤4.5、并行运算M个Map任务：

步骤4.5.1、利用匹配方法计算第w次迭代中第j个子集中第a个数据h_j,a分别与第w-1次迭代的k个子集的聚类中心点u_w-1的相异度，并得到相异度最小的聚类中心u_min所对应的子集；

步骤4.5.2、判断所述相异度最小的聚类中心u_min所对应的子集中所包含的数据个数是否超过ceil(n/k)，若超过，则表示相应子集已满，并执行步骤5.2.3；否则，将所述第j个子集中第a个数据h_j,a分配到相异度最小的聚类中心u_min所在的子集中，从而得到第w次更新的键值对(u_min,h_j,a)_w，min∈[0,k-1]；

步骤4.5.3、寻找所述相异度次小的聚类中心所对应的子集，并按照步骤4.5.2进行判断，直到找到一个未满的子集，并将所述第j个子集中第a个数据h_j,a分配到未满的子集中为止；从而得到第w次更新的键值对(u_min,h_j,a)_w；

步骤4.5.4、重复步骤4.5.1-步骤4.5.3，从而将k个子集中的所有数据都进行第w次更新，并得到第w次更新后的n个键值对；

步骤4.5.5、判断第w次更新后的n个键值对与第w-1次迭代的n个键值进行比较，若两者完全相同，则表示完成满足差分隐私保护的数据聚合，并得到每个聚类中心所对应的数据并作为聚类结果执行步骤5；若不相同，则执行步骤4.5.6；

步骤4.5.6、判断w＝N是否成立，若成立，则表示完成满足差分隐私保护的数据聚合，并得到每个聚类中心所对应的数据并作为聚类结果执行步骤5；否则，执行步骤4.6；

步骤4.6、并行运算k个Reduce任务：

步骤4.6.1、将第w次更新后的具有相同聚类中心的所有数据划分为一个新的子集，并将新的k个子集按照步骤3进行处理，得到k个子集的第w+1次聚类中心点u_w+1；

步骤4.6.2、将w+1赋值给w，并按照步骤4.2执行；

步骤5、使用平行坐标法对所述聚类结果中的任意一个子集进行可视化处理。

2.一种权利要求1所述的数据可视化中的差分隐私保护方法的评价指标系统，其特征是，所述评价指标系统包括：数据抽象级别DAL，数据重合比例DCR，数据重合差异程度DCD；

所述数据抽象级别DAL通过式(2)获得：

DAL=NaNo---(2)]]>

式(2)中，Na表示所述聚类结果中的任意一个子集所包含的数据个数；No表示所述分类属性数据集H所包含的数据个数；DAL∈[0,1]；

所述数据重合比例DCR通过式(3)获得：

DCR=Σb=1d[Lab∈Lob]d---(3)]]>

式(3)中，La_b表示所述聚类结果中任意一个子集的第b个属性的最高频率所对应的属性值，Lo_b表示所述分类属性数据集H中第b个属性的最高频率所对应的属性值；若La_b＝Lo_b，则令[La_b∈Lo_b]＝1；否则，[La_b∈Lo_b]＝0；DCR∈[0,1]；

所述数据重合差异程度DCD通过式(4)获得：

DCD=1.0-Σb=1d1d1+(Pab-Pob)2---(4)]]>

式(4)中，Pa_b表示所述聚类结果中任意一个子集的第b个属性的最高频率所对应的属性值所占的比例，Po_b表示所述分类属性数据集H中第b个属性的最高频率所对应的属性值所占的比例；若La_b＝Lo_b，则计算|Pa_b-Po_b|；否则，令|Pa_b-Po_b|＝1；DCD∈[0,1]。