[发明专利]一种关联大数据的隐私保护方法及系统在审
| 申请号： | 201810615122.X | 申请日： | 2018-06-14 |
| 公开（公告）号： | CN108959958A | 公开（公告）日： | 2018-12-07 |
| 发明（设计）人： | 朱诗兵;吕登龙;李长青;刘冉 | 申请（专利权）人： | 中国人民解放军战略支援部队航天工程大学 |
| 主分类号： | G06F21/62 | 分类号： | G06F21/62 |
| 代理公司： | 北京风雅颂专利代理有限公司 11403 | 代理人： | 李莎 |
| 地址： | 101416*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种大数据的隐私保护方法，包括：通过机器学习构建k‑means聚类算法的k相关记录差分隐私保护模型；通过隐私机制和查询函数构建线性回归r‑相关块差分隐私保护模型；根据r‑相关块差分隐私保护模型将大数据划分为独立数据块；根据查询函数计算独立数据块的敏感度，根据k‑相关记录差分隐私保护模型对独立数据块进行差分隐私保护。本发明还公开了一种大数据隐私保护方法的系统，包括：k相关记录差分隐私保护模型构建模块；r‑相关块差分隐私保护模型构建模块；独立数据块划分模块；独立数据块差分隐私保护模块，用于根据查询函数计算独立数据块的敏感度，根据k‑相关记录差分隐私保护模型对独立数据块进行差分隐私保护。 | ||
| 搜索关键词： | 隐私保护 独立数据块 大数据 查询函数 模型构建模块 记录 敏感度 构建 隐私保护模块 划分模块 机器学习 聚类算法 线性回归 隐私 关联 | ||
【主权项】：
1.一种关联大数据的隐私保护方法，其特征在于，包括：通过机器学习和最大信息系数构建关联大数据的因果关系模型；通过k‑相邻数据集构建k‑相关记录差分隐私保护模型；提供相关敏感度概念，通过所述因果关系模型计算所述k‑相邻数据集的相关敏感度，再利用means‑Laplace机制实现k‑相关记录差分隐私保护；利用最大信息系数‑K‑Means算法将所述关联大数据进行r‑块划分，得到多个相互独立的数据子块；根据查询函数计算所述数据子块的相关敏感度，对每个数据子块进行所述k‑相关记录差分隐私保护；根据差分隐私组合性质，对所述关联大数据集进行r‑相关块差分隐私的保护。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国人民解放军战略支援部队航天工程大学，未经中国人民解放军战略支援部队航天工程大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810615122.X/，转载请声明来源钻瓜专利网。
