[发明专利]基于李雅普诺夫优化对无限数据流差分隐私保护的方法

说明书

基于李雅普诺夫优化对无限数据流差分隐私保护的方法，基于滑动窗口平均隐私预算消耗的隐私保护模型，在此模型基础上提出了基于动态优化过程的无限数据流差分隐私保护的算法，该算法将李雅普诺夫优化与动态窗口相结合，若数据变化较小，输出上一时刻的值进行替代操作，若数据变化较大，输出此刻真实值加入拉普拉斯噪声进行扰动操作，用李雅普诺夫优化对每个窗口内的总预算进行控制，并且选择误差较小的操作；能高效的利用隐私保护预算，减少数据误差，在实际数据场景中有着较好的应用效果。

技术领域

本发明属于计算机隐私保护技术领域，具体涉及基于李雅普诺夫优化对无限数据流差分隐私保护的方法。

背景技术

随着信息技术的发展，特别是互联网、物联网、云计算等新技术的崛起，人类社会早已步入了信息爆炸时代。人们所接触到的信息不再是静态的，而是会随着时间动态增加或改变。例如智能穿戴设备一天二十四小时都在记录我们行走的步数等个人信息。发电厂为了合理规划产能，需要采集每个用户的用电信息并且进行记录。为了解决城市交通拥堵等问题，交通监管部门需要实时在线更新每个路口的车流量，以便选择更好的出行路线。但是这些信息都带着严重的个人标记，这些个人信息一旦泄露，将对财产甚至生命安全造成恶劣影响。

差分隐私可以为数据集中的单个数据提供较强的隐私保护。针对随时间变化的无限数据流，差分隐私提供的最简单的方法是在每个时间节点上都加入噪声进行保护，但是误差会随时间逐渐累加，数据可用性降低。采样法可以有效的减少误差，即每隔相同的时间间隔进行一次采样，这样添加的噪声虽然得到了控制，可能会跳过一些剧烈变化时间节点，造成信息的丢失。现如今研究的重难点主要是如何保护随时间增加的无限数据流，以及合理的分配隐私保护预算。现有的预算分配方案，为在用户级隐私和事件级隐私之间进行平衡，提出一种基于滑动窗口的差分隐私定义。但是现在仍旧没有一种较为简单高效的预算分配方法。

发明内容

为克服上述现有技术的不足，本发明的目的提供基于李雅普诺夫优化对无限数据流差分隐私保护的方法，解决无限数据流中如何合理的进行预算分配，并对其进行保护的问题，基于滑动窗口平均隐私预算消耗的隐私保护模型，在此模型基础上提出了基于动态优化过程的无限数据流差分隐私保护的方法；该方法将李雅普诺夫优化与动态窗口相结合，能够合理的分配隐私预算，选择操作减少误差，在实际数据场景中有着较好的应用效果。

为实现上述目的，本发明采用的技术方案是：基于李雅普诺夫优化对无限数据流差分隐私保护的方法，具体以下步骤：

步骤1，保护无限数据流，每隔一段时间发布一次数据，时间越长，发布的数据越多，主要的保护对象是数值型数据，且全局敏感度Δf＝1，将无线数据流建模为S＝(c(1),...,c(i-1))，c(i)为在时间节点i上，数据的真实值，经算法运算后系统输出为O＝(o(1),...,o(i-1))，o(i)为在时间节点i上，数据的真实值；

确定非空输出：从输出值[o(1),...,o(i-1)]中找出i之前时刻最后一个分配隐私保护预算进行扰动保护的非空输出o_l；

步骤2，计算差值：计算最后一个非空输出o_l与当前i时刻真实值c(i)的差值dis，使用绝对误差作为衡量差值的标准，即dis＝|o_l-c(i)|；

步骤3，对差值dis加入拉普拉斯噪声进行保护；

步骤4，分配合适的隐私保护预算：结合滑动窗口平均隐私预算消耗的隐私保护模型和李雅普诺夫优化方法，进行合理的隐私预算分配，当数据变化较小时，不分配隐私保护预算，当数据变化较大时，分配隐私预算对当前值进行差分隐私保护；

步骤5，判断数据的变化情况：根据数据变化趋势，选择替代或扰动操作，若数据变化较小，输出上一时刻的值进行替代操作，若数据变化较大，输出此刻真实值加入拉普拉斯噪声进行扰动操作；