面向实时数据流的差分隐私直方图发布技术

• 全文链接
• 请求原文

作   者：

杨庚;  夏春婷;  白云璐; 

作者机构：

南京中医药大学信息技术学院;  南京邮电大学计算机学院;  南京邮电大学江苏省大数据安全与智能处理重点实验室; 

关键词：

差分隐私;  实时数据流;  直方图发布;  隐私预算分配; 

期刊名称：

南京邮电大学学报(自然科学版)

基金项目：

云计算环境中面向数据多维隐私保护的关键技术研究
低占空比传感器网络中实用高效的广播调度机制研究
基于深度学习的乳腺癌分子生物信息的文本挖掘研究

i s s n：

1673-5439

年卷期：

2018 年 38 卷 02 期

页   码：

69-77

摘   要：

差分隐私作为当前有效的隐私保护机制之一,得到广泛的应用。目前已有多种算法用来生成满足差分隐私的静态直方图,但针对实时数据流环境下的直方图的发布方法却很少,且没有较好地均衡噪声误差和数据可用性。针对实时数据流实时性高、连续性强、以及数据规模大等特点,文中提出了面向数据流的差分隐私直方图发布方法 DDHP(Histogram Publication of Dynamic Data),该方法基于滑动窗口模型实时处理新到达数据,并采用距离测度的方法衡量相邻两个时间戳的数据相似性,以此来动态地分配隐私预算。通过比较L1、余弦、马氏距离在真实数据集上的应用的有效性,选择最优测度。DDHP采用BA(Budget Absorption)机制动态合理分配隐私预算,避免隐私预算过早耗尽或剩余,在提高数据可用性的同时降低了算法的发布误差。实验结果表明,DDHP算法是有效可行的。