數(shù)據(jù)隱私保護不僅需要保護數(shù)據(jù)安全性,同時還要盡可能提高數(shù)據(jù)的可用性。在差分隱私保護中,隱私預算的分配直接影響到數(shù)據(jù)查詢結果中噪音添加的大小,也直接決定了數(shù)據(jù)的可用性與安全性。在一些應用場景中,隨著查詢次數(shù)的增加,甚至趨于無窮時,引入的噪聲量迅速增加,從而使得數(shù)據(jù)的可用性急劇下降。為了解決實際中有限次隱私預算的分配和優(yōu)化問題,我們提出了幾種利用級數(shù)來分配隱私預算的差分隱私保護方案。其中,隱私預算ε是以級數(shù)形式表示的,并且第4)次預算分配量₄)即為級數(shù)表達式的第4)個分量,使得隱私預算的總和不超過ε。通過提出的分配方法,可以有效地降低噪音的增量速度,并對Taylor級數(shù)展開法、級數(shù)法和特殊級數(shù)法三種類型的級數(shù)進行了隱私預算分配的評價。這些方法可以形成無限次數(shù)據(jù)處理的隱私保護方法。此外,對于一些應用場景,數(shù)據(jù)處理是有限次的,針對這種情況,提出并分析了一些優(yōu)化的隱私預算分配方法。理論分析和實驗結果表明,基于級數(shù)的方法滿足ε-差分隱私保護需求,而級數(shù)法和特殊級數(shù)法引入的噪聲遠小于二分法。因此,提高了數(shù)據(jù)的可用性。 

【文章來源】：南京郵電大學江蘇省

【文章頁數(shù)】：68 頁

【學位級別】：碩士

【部分圖文】：

交互式框架

圖 2.2 非交互式框架護方法的性能度量算法的關鍵在于滿足隱私性的前提下盡可能提高數(shù)據(jù)的可隱私保護機制實現(xiàn)，例如 Laplace 機制通過向真實數(shù)據(jù)添的保護。數(shù)據(jù)可用性表示數(shù)據(jù)分析者在使用差分隱私化后掘以及其他分析操作，并保證分析結果的正確性和準確性慮隱私預算的分配是否合理。通常從以下三方面來衡量差度：差分隱私保護方法的隱私保護強度由隱私預算 決定小，隱私保護性越高。若算法將隱私預算耗盡，則算法將

大學碩士研究生學位論文 第六章 實于預算分配的差分隱私 K-means 算法實驗結果數(shù)據(jù)集表現(xiàn)h先，我們設差分隱私預算 ，聚類個數(shù) 。接著，我們在數(shù)據(jù)集 BK-means 算法，并且迭代過程中不引入噪聲，從而得到一個無噪的、精確的聚類然后，我們分別執(zhí)行 5，10，15，20 和 50 次迭代，迭代過程中隱私預算分配采用三種方法：二分法、特殊級數(shù)法和 2 級數(shù)法，從而得到若干個含噪聚類結們分別比較迭代次數(shù) m=5，m=10，m=15 以及 m=20 時三種方法的 F-measure 值。實驗結果及數(shù)據(jù)見圖 6.4 和表 6.5。

【參考文獻】：
期刊論文
[1]基于差分隱私的大數(shù)據(jù)隱私保護[J]. 朱天清,何木青,鄒德清.  信息安全研究. 2015(03)
[2]基于差分隱私保護的DP-DBScan聚類算法研究[J]. 吳偉民,黃煥坤.  計算機工程與科學. 2015(04)
[3]面向頻繁模式挖掘的差分隱私保護研究綜述[J]. 丁麗萍,盧國慶.  通信學報. 2014(10)
[4]一種面向決策樹構建的差分隱私保護算法[J]. 熊平,朱天清,金大衛(wèi).  計算機應用研究. 2014(10)
[5]面向數(shù)據(jù)發(fā)布和分析的差分隱私保護[J]. 張嘯劍,孟小峰.  計算機學報. 2014(04)
[6]差分隱私保護及其應用[J]. 熊平,朱天清,王曉峰.  計算機學報. 2014(01)
[7]p級數(shù)的發(fā)散速度或收斂值域[J]. 郝樂,馬乾凱.  沈陽大學學報(自然科學版). 2013(06)
[8]差分隱私保護k-means聚類方法研究[J]. 李楊,郝志峰,溫雯,謝光強.  計算機科學. 2013(03)
[9]面向數(shù)據(jù)庫應用的隱私保護研究綜述[J]. 周水庚,李豐,陶宇飛,肖小奎.  計算機學報. 2009(05)
[10]p-級數(shù)的兩個求和公式[J]. 劉鳳林,楊華.  天津科技大學學報. 2005(04)



本文編號：3265235