支持差分隱私保護模型的數據發(fā)布算法研究.pdf

1、進入信息時代后，眾多的服務提供商積累了大量的用戶數據。數據共享可以避免由于雪藏數據帶來的浪費，但是共享的數據往往涉及用戶的隱私。因此，數據發(fā)布過程中的用戶隱私保護問題逐漸受到了學術界和工業(yè)界的關注。差分隱私保護模型以其優(yōu)秀的表現，被應用到眾多領域。本文研究滿足差分隱私保護模型的數據發(fā)布算法，并針對數據類型的不同，提出不同的解決方案。本文的研究目的是在保證發(fā)布算法滿足差分隱私保護模型的基礎上，提高發(fā)布數據的準確性。
　　針對數值型數

2、據，本文提出了基于有序劃分直方圖的數據發(fā)布算法。該算法對直方圖區(qū)間做第一重變換后，在保護直方圖結構信息的前提下對區(qū)間順序進行調整，借此消除了可能出現的“分區(qū)截斷”問題。同時，本文使用基于貪婪思想的分區(qū)算法，綜合考慮分區(qū)后添加的Laplace噪聲對分區(qū)方案的影響。這避免了對分區(qū)個數的事先約定，提高了算法對不同數據集的適用性。本文提出的算法在保證發(fā)布的直方圖滿足差分隱私保護模型的基礎上，提高了作用于該直方圖的范圍查詢的準確性。
　　針

3、對用復雜圖表示的關聯數據，本文提出了基于層次隨機圖分治的關聯數據發(fā)布算法。本文的出發(fā)點是用戶對這類數據的興趣點往往集中在社區(qū)內。所以，結合社區(qū)發(fā)現的相關知識，本文提出對復雜圖中的邊進行不同程度的差分隱私保護的策略。本文提出的算法基于分治的思想，對社區(qū)進行層次隨機圖構建，然后合并子層次隨機圖。這解決了復雜圖規(guī)模較大時，原始算法效率低下的問題。本文提出的算法對復雜圖進行分塊處理，并對數據發(fā)布的隱私性和數據可用性進行了權衡。在實驗環(huán)節(jié)，按照節(jié)