[发明专利]一种基于差分隐私和关联规则的需求隐私保护方法

摘要

本发明提供了一种基于差分隐私和关联规则的需求隐私保护方法，可以有效的保护用户在社交网络中的查询内容隐私，在需求事物之间的置信度上加入拉普拉斯噪声(差分隐私)，使得用户的隐私进一步得到保护。通过采用博弈的隐私保护方法，不仅保护了用户的需求隐私，同时用户的服务质量也可以得到很好的保证，即此隐私保护体系可以自适应的保护用户的隐私。针对用户的隐私偏好，本发明采用动态的保护方法，来满足用户的不同隐私要求。

主权项

1.一种基于差分隐私和关联规则的需求隐私保护方法，其特征在于：所述方法应用于包括用户、隐私保护体系和服务提供商的系统中，其中，用户发出查询内容的请求给服务商；用户发送的内容通过所述隐私保护体系转换为相关的其他相关事物；服务提供商针对用户转换后的内容提供相应的服务，并返回隐私保护体系，隐私保护体系筛选出合理的一些服务给用户，完成用户的查询内容请求；所述方法包括：(1)最大化用户的服务质量QoS最大化用户的QoS等价于最小化QoS的损失，因此，采用以下线性规则来最大化用户的QoS：其中，s为真实需求，o为替换需求，p(o|s)为真实需求替换为其他的需求满足的概率，log₂(1/c(s，o))为置信距离，c(s，o)表示真实需求和模糊需求之间的置信度，ω(s)为用户的真实需求的概率分布，勾攻击者根据o推断用户的需求，d_m为最小的用户需求的隐私水平，为推断函数；(2)零和博弈将博弈论应用到用户的需求隐私中，攻击者的最佳推断策略q*是在最佳保护机制p*下获得的，而用户的最佳保护机制p*是在最佳攻击q*下获得；为了最大化用户的隐私，建立下面的线性规划问题：其中，lossmax为用户允许服务质量损失的最大值，p为用户的保护策略；(3)用户的隐私偏好用户对隐私有一定的偏好，不同的用户要求的隐私级别不同；设置隐私级别为N，N越大代表隐私级别越大，用户的隐私可分为0，1，...，N‑1等N等级，用level表示等级。