[发明专利]群智感知系统中基于连接函数的多维数据本地隐私保护方法

权利要求书

1.群智感知系统中基于连接函数的多维数据本地隐私保护方法，其特征在于，首先对系统中每个用户的数据都基于随机化应答技术进行本地隐私转换，然后基于转换后的比特串计算二维概率分布和计算多维属性依赖结构，最后根据概率分布和依赖函数合成和发布多维感知数据，具体包括以下步骤：

1)感知数据本地隐私转换：给定N个用户的感知数据D，用d代表感知数据的维度，每个用户的数据在用户端直接被哈希成比特串，然后对比特串进行随机翻转，得到隐私保护后的比特串，并发送给服务器端，具体包括以下步骤：

1-1)哈希映射：对每个用户的d-维数据中的每个属性值进行哈希转换，从而将每个数据值转换为长度为m_j的比特串其中i＝1,2…,N，j＝1,2…,d；

1-2)随机翻转：基于随机化应答技术对每个比特串的每个比特位进行随机翻转，从而提供本地隐私保护；

1-3)比特串连接：进行随机翻转之后，将每个维度的所有比特串进行连接，从而得到一个d·m_j位的比特向量，并发送至服务器端；

2)计算二维概率分布：获取到服务器端的隐私保护后的比特串之后，利用Lasso回归算法计算原始数据的二维概率分布；

3)计算多维属性依赖结构：基于二维概率分布，计算多维属性的皮尔森相关系数来描述多维属性的依赖关系，从而建立多维属性之间的依赖结构模型；

4)基于连接函数进行采样和合成：基于逆累积分布和依赖结构，利用多元高斯连接函数采样和合成多维感知数据，得到具有隐私保护的发布数据集

2.根据权利要求1所述的群智感知系统中基于连接函数的多维数据本地隐私保护方法，其特征在于，步骤1)中在用户端进行本地隐私转换之后，即为群智感知系统中每一个参与用户提供本地差分隐私保护，并保证后续步骤都是在基于隐私保护后的数据上进行，不会泄露用户的敏感数据，并且对于d-维数据而言，步骤1)获得差分隐私保护的表达式为

其中，ε表示差分隐私保护程度，h为哈希函数个数，f为翻转概率。

3.根据权利要求2所述的群智感知系统中基于连接函数的多维数据本地隐私保护方法，其特征在于，步骤1-1)中哈希映射的具体操作为：对每维属性A_j使用哈希函数将原始数据值转换为长度为m_j的比特串的表达式为

4.根据权利要求3所述的群智感知系统中基于连接函数的多维数据本地隐私保护方法，其特征在于，步骤1-2)中对比特串进行随机翻转规则的表达式为

其中，f∈(0,1)用来控制随机翻转的概率，从而指定本地隐私保护程度。

5.根据权利要求4所述的群智感知系统中基于连接函数的多维数据本地隐私保护方法，其特征在于，步骤1-3)中进行比特串连接的具体操作是：将所有属性的比特串依次连接起来，得到一个d·m_j位的比特向量，该向量的表达式为

6.根据权利要求5所述的群智感知系统中基于连接函数的多维数据本地隐私保护方法，其特征在于，步骤2)中计算二维概率分布的具体操作为：设步骤1)中对二维属性(A_k,A_v)使用的哈希函数分别为和则计算比特串候选集的表达式为

其中，Ω_k和Ω_v是属性(A_k,A_v)值域；

基于Lasso回归计算二维属性(A_k,A_v)的二维概率分布的表达式为

其中，是属性(A_k,A_v)的真实比特计数和组成的向量。

7.根据权利要求6所述的群智感知系统中基于连接函数的多维数据本地隐私保护方法，其特征在于，步骤3)的具体操作为，计算两两属性(A_k,A_v)(k,v＝1,2,…,d)的皮尔森系数最后得到d-维属性的依赖结构R。

8.根据权利要求7所述的群智感知系统中基于连接函数的多维数据本地隐私保护方法，其特征在于，步骤4)的具体操作为，依次对d-维属性进行采样和合成，进而得到能够对外发布的合成数据集为

其中，(X₁,X₂,...,X_d)∈[0,1]^N×d是符合多元高斯连接函数d-维随机向量，隐含了d-维属性之间的依赖关系，是d-维属性的逆累积分布函数。