[发明专利]非交互式模型中的差分隐私和孤立点检测

说明书

提供了一种用于差分隐私的系统。在一些实施方式中，系统执行包括以下各项的操作：接收用于多个扰动的数据点的多个索引，所述多个扰动的数据点是多个未扰动的数据点的匿名版本，其中多个索引指示多个未扰动的数据点被识别为假定的孤立点。多个扰动的数据点能够位于第一中心点的周围并且多个未扰动的数据点能够位于第二中心点周围。操作还能够包括以下各项：基于针对扰动的和对应的(例如，相同的索引)未扰动的数据点与相应的第一和第二中心点的距离的差，将假定的孤立点的一部分分类为真正并且将假定的孤立点的另一部分分类为假正。还描述了相关的系统、方法、和制品。

政府赞助支持声明

本文所述的主题的某些方面是用来自根据授予协议第700294号和第653497号的欧盟Horizon 2020研究和创新计划的资金研发的。

技术领域

本文描述的主题涉及数据安全性，更具体地，涉及非交互式模型内的差分隐私和/或孤立点检测。

背景技术

云计算是指一实践，在该实践中，数据所有者(data owner)使用远程存储和/或计算资源(例如，数据即服务(data as a service，DaaS)，存储即服务(storage as aservice，STaaS))来存储、管理、和/或处理数据，除了使用本地存储和/或计算资源之外、或而不是使用本地存储和/或计算资源。以这种方式的数据的外包存储、管理、和/或处理可以为有限的本地存储和/或计算资源提供方便且有成本效益的解决方案。然而，通过将数据存储在远程数据库中，数据所有者能够将对数据的控制放手给潜在的不受信任的云服务提供者或黑客，冒着将敏感数据暴露于可能的滥用的风险。例如，外包数据能够存储在多租户远程数据库中，因此可能与属于其它数据所有者的数据相混合。

为了防止对存储在远程数据库中的数据的未经授权的访问或滥用，数据所有者能够选择使用加密技术或其它安全措施。然而，在一些方面，与其他人共享匿名数据可能是想要的，其通常是不可能的，如果数据被加密。匿名分享这样的数据的能力是“大数据”的价值背后的推动力。大数据能够被公司用来优化定向营销策略，并且增加销售/收益。因此，存储和/或提供匿名数据能够是想要的。

发明内容

在一些方面，提供了方法、计算机程序产品、和系统。在实施方式中，提供了隐私系统。隐私系统能够包括(或以其它方式利用)至少一个处理器和/或存储器，其能够被配置为执行操作，该操作包括从扰动的数据集(perturbed data set)中接收用于多个扰动的数据点的多个索引，其中多个扰动的数据点是具有相同的多个索引的多个未扰动的数据点的匿名版本，其中接收多个索引指示多个未扰动的数据点被识别为假定的孤立点，其中多个扰动数据点位于第一中心点周围，并且其中多个未扰动的数据点位于第二中心点周围。操作能够进一步包括基于距离差将假定的孤立点的第一部分分类为真正(true positive)，其中，对于多个扰动的数据点中的每一个，距离差包括扰动的数据点与第一中心点的距离和对应的未扰动的数据点与第二中心点的距离之间的差。

在一些实施方式中，多个未扰动的数据点在多个传感器设备当中被保持。在一些变型中，操作还能够包括确定距第一中心点的阈值距离以及/或者基于距离差将假定的孤立点的第二部分分类为假正(false positive)。当针对假定的孤立点的对应距离差小于(或等于)距第一中心点的阈值距离时，每个假定的孤立点能够被分类为假正，并且/或者当针对假定的孤立点的对应距离差大于距第一中心点的阈值距离时，每个假定的孤立点能够被分类为真正。在一些变型中，操作还能够包括在有序列表中对距离差中的每一个进行排序、识别有序列表中的两个连续的差之间的最大变化、和/或将阈值距离设置为最大变化。能够基于噪声函数对多个扰动的数据点进行匿名，其中噪声函数包括扰动函数。