[发明专利]一种基于差分隐私的空间数据划分方法

说明书

本发明公开了一种基于差分隐私的空间数据划分方法，包括如下步骤：1)先对原始数据集进行固定大小的网格划分并对每个网格添加噪声；2)根据加噪后得到的计数值，合成新的数据集，并对其进行数据依赖的IH树划分；3)用返回的划分数据点去划分原始数据集并进行剩余隐私预算的加噪；4)对最后的结果进行后置处理。本发明通过最小化噪声误差和均匀假设误差，计算出准确的划分粒度，并且提出了一种新的一致性约束方法，对划分后的数据进行后置处理，该算法可以节省划分过程中分配的隐私预算，从而得到更精确的发布计数值。

技术领域

本发明涉及计算机数据发布、数据隐私保护技术领域，尤其涉及一种基于差分隐私的空间数据划分方法。

背景技术

LBS(Location Based Service，基于移动位置服务)应用产生了大量的位置数据，对其进行分析和挖掘将会获得潜在的商业价值。而如果数据拥有者直接将真实数据发布出来必将造成用户隐私的泄露，因此基于数据发布的隐私保护成为亟待解决的问题。

现有的针对数据发布的隐私保护方法多是基于匿名和泛化技术，这些技术均需对攻击者的背景知识进行假设，而在大数据环境下，攻击者得到背景知识的来源很多，我们很难合理的假设其掌握的背景知识。差分隐私是独立于攻击者背景知识的一种新型的隐私保护技术，它使得一个元组在或不在数据集中，对查询的结果几乎不造成任何影响。该模型大多通过对查询或发布结果中添加噪声来实现隐私保护，而添加过多的噪声使得数据分析和挖掘变得毫无价值，因此目前研究的难点是如何在隐私保护和数据的可用性之间寻找平衡。

对上述技术方案涉及的相关概念进行说明和解释：

定义1.ε-差分隐私：给定数据集D和D'，两个数据具有相同的数据结构且二者之间仅相差一条记录，即|D'ΔD|≤1。给定一个算法A，Range(A)为A的取值范围，若算法A在数据集D和D'的输出O(O∈Range(A))满足不等式Pr[A(D)＝O]≤e^ε×Pr[A(D')＝O]，则A满足ε-差分隐私。

其中Pr[·]表示用户隐私泄露的概率，ε代表隐私预算，表示隐私保护的程度，ε越小，隐私保护程度越高。

定义2.全局敏感度：设有查询函数f:D→R^d，对于任意临近数据集D和D'，函数f的全局敏感度为其中R是数据集D映射的实数空间，d代表函数f的查询维度，p是用来度量Δf的范数距离，一般取p＝1。

定义3.拉普拉斯机制：给定数据集D，设有查询函数f:D→R^d，其全局敏感度为Δf，对于随机算法A满足差分隐私，则算法输出A(D)＝f(D)+Lap(Δf/ε)。其中Lap(Δf/ε)为独立的拉普拉斯分布，添加的噪声量与Δf成正比，与隐私预算ε成反比，ε越小，Δf越大，添加的噪声越大，隐私保护程度越高。反之亦然。

性质1.序列组合性：给定数据集D和n个满足ε_i(1≤i≤n)-差分隐私保护的随机算法A_i(1≤i≤n)，这些算法构成的组合算法A(A₁(D),A₂(D),...,A_n(D))满足

性质2.并行组合性：给定的数据集D被划分成为n个不相交的子集，D＝{D₁,D₂,...,D_n}，设A_i为一组满足ε_i-差分隐私保护的随机算法，A_i分别对D_i实施隐私保护，则这些算法构成的组合算法A(A₁(D),A₂(D),...,A_n(D))对D满足max(ε_i)-差分隐私保护。

发明内容