[发明专利]一种物联网中汇聚数据流的隐私保护发布方法

权利要求书

1.一种物联网中汇聚数据流的隐私保护发布方法，其特征在于，首先对每个时刻产生数据流根据维度划分结果添加拉普拉斯噪声，然后基于自适应动态分组结果对噪声数据流进行平滑处理，具体包括以下步骤：

Step1维度划分：对当前t时刻的上一时刻发布的d-维数据流基于空间映射和哈希函数对维度进行划分，得到维度划分结果

Step2噪声扰动：根据维度划分结果基于拉普拉斯噪声机制向每一个划分中数据流之和添加随机噪声，然后将扰动值的均值作为当前划分中每维数据流的扰动值；

Step3自适应阈值更新：计算每维数据流的PID误差然后基于此误差计算得到d-维数据流对应的系统分组阈值

Step4自适应动态分组：根据各个维度的分组阈值计算当前t时刻所有维度数据流的动态分组结果

Step5噪声平滑：基于动态分组结果使用中值平滑机制对各维度当前分组内的噪声数据流进行平滑处理，得到t时刻的最终发布数据流

2.根据权利要求1所述的一种物联网中汇聚数据流的隐私保护发布方法，其特征在于，Step1的具体操作为：根据空间映射函数对多维数据流的先验估计值进行空间映射，得到d-维k-位的二值向量矩阵V_d×k的表达式为

然后根据哈希函数族对矩阵V_d×k中的每一条向量v_i(i∈[1,d])进行哈希，从而得到原始d-维数据流的维度划分结果

3.根据权利要求2所述的一种物联网中汇聚数据流的隐私保护发布方法，其特征在于，Step2计算每一个划分内的数据流之和的表达式为

其中，

各个划分内添加噪声的表达式为

其中，Δ是敏感度，ω是滑动窗口大小，ε_p是用于扰动的隐私预算；

划分p_j中各维度数据流的噪声值的表达式为

其中，表示t时刻第l维的噪声值，且l∈p_j。

4.根据权利要求3所述的一种物联网中汇聚数据流的隐私保护发布方法，其特征在于，Step3计算PID误差的表达式为

其中，K_p，K_i和K_d是PID控制器标准参数，分别表示比例增益、积分增益和微分增益，且满足K_p,K_i,K_d≥0和K_p+K_i+K_d＝1；表示当前误差，表示在窗口η内的积分误差，表示预测误差；

根据第i-维数据的PID误差更新第i-维数据流的阈值的表达式为

其中，表示第i-维数据流在时刻t的阈值，ε是隐私预算；

对d-维数据流分别进行阈值更新操作，得到d-维数据流对应的系统分组阈值

5.根据权利要求4所述的一种物联网中汇聚数据流的隐私保护发布方法，其特征在于，Step4中根据系统分组阈值对d-维数据流进行动态分组的具体操作是：对于每一维数据流，首先计算上一时刻分组中的数据流与新数据的偏差值的表达式为

其中，表示分组内所有时刻对应的数据流集合，表示组的大小；

然后向偏差值添加拉普拉斯噪声的表达式为

其中，表示第i-维数据流在时刻t的偏差值，Δ_dev表示偏差函数的敏感度，ω表示滑动窗口大小，ε_g表示用于分组的隐私预算；

对于第i-维数据流而言，如果则将当前数据流添加到上一时刻分组中，得到当前时刻新的分组，即如果则直接将当前数据流作为当前时刻新的分组，即对d-维数据流依次按照上述步骤计算完成之后，得到d-维数据流在当前t时刻的动态分组结果

6.根据权利要求5所述的一种物联网中汇聚数据流的隐私保护发布方法，其特征在于，Step5中根据动态分组结果采用中值平滑机制进行噪声平滑处理的表达式为

其中，i∈[1,d]；

对d-维数据流依次按照上述步骤进行平滑处理之后，得到当前时刻隐私保护后的发布数据流