[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

说明书

技术领域

本发明公开了一种应用于云计算平台中，使分类属性数据可视化的过程中满足差分隐私保护的方法。

背景技术

随着数据的日益增长，数据可视化是一种有效手段用于信息获取，从维度丰富，数量巨大，更新迅速，类型繁多的大数据中挖掘出有用的信息。分类属性数据集是一种常见的数据集，由于大数据时代的海量数据特点，分类属性数据集可视化过程中数据展示重叠严重，图像质量差，辨识度低的问题。

已有的一些针对分类属性数据集可视化方案。这些方案中主要体现在：

1.数据聚合是众多数据可视化方法的基础性工作，针对分类属性数据集，提出了k-modes聚类算法，再从聚合后的子集中选择一个子集进行可视化，由于子集的数据数目减少，解决了数据展示重叠严重的问题。但是随着大数据时代的海量数据特点，单个计算机难以在可接受的时间内对数据进行有效的聚类分析。

2.为了减少可视化过程中数据聚合的时间，提高了数据聚合效率，从而提高可视化的时效性，提出了HABOS聚类算法，再从聚合后的子集中选择一个子集进行可视化。但是数据聚合分析的结果在提供有价值信息的同时，可能会泄露数据集中单个数据的信息，对敏感数据隐私安全造成威胁。

但是以上2种方案都是针对分类属性数据集，在可视化过程中利用有效的数据聚合，再将选定一个子集进行可视化，从而解决海量分类属性数据集可视化的图像重叠严重的问题。但是，没有考虑到分类属性数据集在聚合过程中可能会泄露数据集中单个数据的信息，对敏感数据隐私安全造成威胁。此外，针对分类属性数据集可视化方案，也没有标准的质量评价指标精确量化由数据聚合后的可视化质量。

发明目的

本发明为了解决上述现有技术存在的不足之处，提供一种数据可视化中的差分隐私保护方法及其评价指标，以期能有效的解决分类属性数据集在数据可视化过程中会泄露数据集中单个数据的信息的问题，并提供3种评价指标精确量化由满足差分隐私保护的数据聚合后的可视化质量，从而能使分类属性数据集在可视化过程中满足ε-差分隐私保护的同时，保证较好的数据可视化质量。

本发明为解决技术问题所采用的技术方案是：

本发明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，其特点是按如下步骤进行：

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：