[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

说明书

本发明公开了一种智能感知系统中基于连接函数的多维数据本地隐私保护方法。本发明提出的方法首先基于本地隐私转换的方法，对参与用户的感知数据在用户端进行本地隐私保护，然后基于连接函数对隐私保护后数据进行采样和合成，最终得到可直接发布的具有本地隐私保护的数据集，相比一般的隐私保护方法，本发明不但能够在用户端提供本地差分隐私保护，并且通过降低多维感知数据值域空间来提高发布数据效用性。本发明在实现的过程中，实现了多维数据的降维处理，开销只限制在本地转换和二维概率分布估计的部分，无需复杂运算或加密解密。在群智感知系统中，本发明简单、易于实现，可扩展性强，实用价值高。

技术领域

本发明属于隐私保护领域，具体涉及一种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。

背景技术

随着信息时代的来临和飞速发展，广泛的数据来源和多样数据融合，形成了真实的大数据群智感知系统，来自大量参与用户的感知数据将在服务器端进行汇聚，最后服务器将汇聚后的多维群智感知数据发送给第三方组织进行分析研究，以便利人们的生产生活，提供一个更加高效的社会环境。但是，直接发布高维感知数据会暴露参与用户的隐私信息，并且由于高维群智数据属性的之间关联关系，更是导致了前所未有的隐私威胁，同时使得隐私保护面临严峻的挑战。目前已有大量的基于差分隐私技术的文章被提出，从统计估计的角度来保护用户的隐私。但是，当面临属性关联关系复杂的多维群智数据时，这些方法在计算复杂度和精度等方面都存在缺陷，并且难以避免不可信服务器所带来的隐私威胁。目前针对群智感知系统中多维数据的隐私发布主要面临两个方面的严峻挑战。一方面，现有大多数方法都假设服务器是可信的，即非本地隐私保护，从而容易遭受内部攻击；另一方面，多维感知数据输出规模巨大，当感知数据维度增加时，已有方法容易遭受“维数灾难”，且信噪比会严重降低。

发明内容

本发明的目的是解决群智感知系统中用户隐私保护问题，提供了一种智能感知系统中基于连接函数的多维数据本地隐私保护方法。本发明可以有效保护群智感知系统中参与用户的数据隐私，同时保证高效的计算开销和提高发布数据的效用性。

本发明采用如下技术方案来实现的：

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，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d维感知数据D，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