[发明专利]一种隐私数据提供方法及装置

权利要求书

1.一种隐私数据提供方法，其特征在于，包括：

获取不同用户对每个网络运营商所开放的基础隐私信息；基础隐私信息包括：姓名，身份证号，手机号，交易记录，手机定位数据，读写存储权限；

从基础隐私信息中提取表示隐私属性的隐私数据项；隐私数据项由多个基础隐私信息所组成；

根据隐私数据项，使用FP-Growth算法生成每个网络运营商所对应的隐私数据的一般频繁项集的集合；

根据频繁项集的支持度和频繁项集中数据项的个数，从一般频繁项集的集合中，选择用于表征每个网络运营商所对应的隐私数据的优选频繁项集；

从优选频繁项集中选择重要频繁项集；

根据重要频繁项集的数量确定聚类簇数K，并将每个网络运营商分别划分至不同的簇中；

分别确定每个簇所对应的参考隐私数据；

根据参考隐私数据与每个簇的对应关系，将指定的隐私数据向指定的网络运营商进行发送。

2.根据权利要求1所述的方法，其特征在于，步骤获取不同用户对每个网络运营商所开放的基础隐私信息包括：

获取不同用户向每个网络运营商所开放的设备权限；

获取不同用户在使用网络运营商所对应的网络服务时，所开放的个人信息；基础隐私信息包括开放的设备权限的信息和开放的个人信息。

3.根据权利要求1所述的方法，其特征在于，步骤根据隐私数据项，使用FP-Growth算法生成每个网络运营商所对应的隐私数据的一般频繁项集的集合包括：

按照隐私数据项中基础隐私信息出现的次数，删除出现次数小于最小支持度的基础隐私信息；

根据隐私数据项生成FP树；FP树中拥有相同前缀的隐私数据项被关联起来；前缀是隐私数据项中的一个基础隐私信息；

根据FP树抽取条件模式基；条件模式基用于描述每个前缀路径出现的频度；

依据条件模式基构造条件FP树并递归生成每个网络运营商所对应的隐私数据的一般频繁项集的集合。

4.根据权利要求1所述的方法，其特征在于，步骤根据重要频繁项集的数量确定聚类簇数K，并将每个网络运营商分别划分至不同的簇中包括：

构建关于优选频繁项集的拉普拉斯矩阵L；

计算拉普拉斯矩阵L的前K个最小特征值所对应的特征向量F；

对特征向量F进行规范化处理，得到矩阵Nor_F；

使用K-means算法将Nor_F中的各行聚类为K个簇；

按照如下方式将网络运营商进行划分：若Nor_F中的第i行分在第j簇中，则将优选频繁项集v_i分到第j簇中，以及将v_i所对应的网络运营商分到第j簇中。

5.根据权利要求1所述的方法，其特征在于，步骤分别确定每个簇所对应的参考隐私数据包括：

计算每一簇中各个频繁项集之间的Jaccard相似系数；

抽取出每簇中与其他频繁项集相似度最大的频繁项集所对应的隐私数据作为参考隐私数据。

6.一种隐私数据提供装置，其特征在于，包括：

获取模块，用于获取不同用户对每个网络运营商所开放的基础隐私信息；基础隐私信息包括：姓名，身份证号，手机号，交易记录，手机定位数据，读写存储权限；

提取模块，用于从基础隐私信息中提取表示隐私属性的隐私数据项；隐私数据项由多个基础隐私信息所组成；

生成模块，用于根据隐私数据项，使用FP-Growth算法生成每个网络运营商所对应的隐私数据的一般频繁项集的集合；

第一选择模块，用于根据频繁项集的支持度和频繁项集中数据项的个数，从一般频繁项集的集合中，选择用于表征每个网络运营商所对应的隐私数据的优选频繁项集；

第二选择模块，用于从优选频繁项集中选择重要频繁项集；

划分模块，用于根据重要频繁项集的数量确定聚类簇数K，并将每个网络运营商分别划分至不同的簇中；

确定模块，用于分别确定每个簇所对应的参考隐私数据；

发送模块，用于根据参考隐私数据与每个簇的对应关系，将指定的隐私数据向指定的网络运营商进行发送。