一种面向应用的隐私保护分级方法及装置制造方法及图纸

本发明专利技术实施例提供一种面向应用的隐私保护分级方法及装置。其中，方法包括：基于不同应用场景下差异化的隐私保护需求和数据效用需求，在多维数据中确定相应的敏感属性和重点关注属性；基于多维数据中的敏感属性和重点关注属性，对多维数据进行关联度分析和聚类分析，确定多维数据中各数据层次的隐私保护等级；其中，各数据层次包括：数据层、属性层和数值层；基于多维数据中各数据层次的隐私保护等级，确定隐私保护算法的参数，并基于确定参数后的隐私保护算法，对多维数据进行隐私保护。能够针对灵活多变的应用场景，快速给出兼顾数据私密性与可用性的个性化的隐私保护方案，实现数据的精准隐私保护，提高了多维数据的可用性。

【技术实现步骤摘要】
一种面向应用的隐私保护分级方法及装置
本专利技术涉及信息安全
，尤其涉及一种面向应用的隐私保护分级方法及装置。
技术介绍
随着数据的交叉与融合，多方数据共享以进行数据挖掘与行为分析具有巨大的应用价值。但是，在不同应用场景下多源融合数据的隐私保护具有个性化隐私需求：对于不同的数据提供者，数据敏感属性的界定不同，存在个性化的隐私保护需求；对于不同的数据使用者，重点关注的数据属性不同，存在差异化的数据效用需求。针对不同应用场景下高维敏感数据发布的隐私保护问题，大部分传统发布方法通常会对整个数据集进行统一的数据处理，没有考虑数据集中不同属性的敏感度不同。实际上，有些数据属性不敏感，而有些数据的敏感程度却相对比较高。为满足高敏感属性的隐私保护需求而对整个数据集进行统一处理，不可避免会大大损失发布数据应有的可用性。
技术实现思路
本专利技术实施例提供一种面向应用的隐私保护分级方法及装置，用以解决现有的不同应用场景下多维数据的隐私保护具有个性化需求的问题。第一方面，本专利技术实施例提供一种面向应用的隐私保护分级方法，包括：基于不同应用场景下差异化的隐私保护需求和数据效用需求，在多维数据中确定相应的敏感属性和重点关注属性；基于多维数据中的敏感属性和重点关注属性，对所述多维数据进行关联度分析和聚类分析，确定所述多维数据中各数据层次的隐私保护等级；其中，所述各数据层次包括：数据层、属性层和数值层；基于所述多维数据中各数据层次的隐私保护等级，确定隐私保护算法的参数，并基于确定参数的隐私保护算法，对所述多维数据进行隐私保护。第二方面，本专利技术实施例提供一种面向应用的隐私保护分级装置，包括：面向应用的隐私需求确定模块，用于基于不同应用场景下差异化的隐私保护需求和数据效用需求，在多维数据中确定相应的敏感属性和重点关注属性；隐私保护等级确定模块，用于基于多维数据中的敏感属性和重点关注属性，对所述多维数据进行关联度分析和聚类分析，确定所述多维数据中各数据层次的隐私保护等级；其中，所述各数据层次包括：数据层、属性层和数值层；隐私保护模块，用于基于所述多维数据中各数据层次的隐私保护等级，确定隐私保护算法的参数，并基于确定参数的隐私保护算法，对所述多维数据进行隐私保护。第三方面，本专利技术实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所提供的方法的步骤。第四方面，本专利技术实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面所提供的方法的步骤。本专利技术实施例提供的一种面向应用的隐私保护分级方法及装置，将多维数据分为数据层、属性层和数值层这三个数据层次，基于不同应用场景，综合考虑数据提供者的隐私保护需求和数据使用者的数据效用需求，确定多维数据的敏感属性和重点关注属性，并基于此对多维数据进行关联度分析和聚类分析，得到多维数据各数据层次的隐私保护等级，从而根据各数据层次的隐私保护等级确定隐私保护算法的参数，进而通过参数确定后的隐私保护算法对多维数据进行隐私保护。本专利技术实施例提供的方法，能够针对灵活多变的应用场景，快速给出兼顾数据私密性与可用性的个性化的隐私保护方案，实现数据的精准隐私保护，提高了多维数据的可用性。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的一种面向应用的隐私保护分级方法流程图；图2为本专利技术实施例提供的一种预设的隐私评估模型的隐私保护分级示意图；图3为本专利技术另一实施例提供的一种面向应用的隐私保护分级方法流程图；图4为本专利技术实施例提供的一种面向应用的隐私保护分级装置的结构示意图；图5为本专利技术实施例提供的一种电子设备的实体结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。图1为本专利技术实施例提供的一种面向应用的隐私保护分级方法流程图，该方法的执行主体为隐私保护分级装置，该装置可安装或集成在计算机或服务器上，如图1所示，该方法包括：步骤101，基于不同应用场景下差异化的隐私保护需求和数据效用需求，在多维数据中确定相应的敏感属性和重点关注属性。步骤102，基于多维数据中的敏感属性和重点关注属性，对所述多维数据进行关联度分析和聚类分析，确定所述多维数据中各数据层次的隐私保护等级；其中，所述各数据层次包括：数据层、属性层和数值层。具体地，多维数据指的是具有多个属性且每一属性具有多个值的数据，例如，在车辆网领域，多维数据可以具有如下属性：车主身份、车辆轨迹、车辆位置和车辆违章，而对于车主身份这个属性，其可具有如下值：张三、李四和王五。表1为车辆网领域的多维数据的示意表，其仅为一种示例，本专利技术实施例对多维数据不作具体限定。表1车辆网领域的多维数据的示意表车主身份车辆轨迹车辆位置车辆违章张三………李四………王五………需要说明的是，表1中的“…”表示省略。多维数据中的敏感属性，是基于数据提供者的隐私保护需求确定的，该需求即是指数据提供者对多维数据中的某些属性进行保护的需求。多维数据中的重点关注属性，是基于数据使用者的数据效用需求确定的，该需求即是指数据使用者对多维数据中的某些属性进行使用的需求。例如，对于车辆网领域的多维数据，在共享车辆运营的应用场景中，数据提供者需要对车主身份进行保护，此时，车主身份为敏感属性；数据使用者主要关心的是车辆位置，此时，车辆位置为重点关注属性。在交通管理机构违章处理的应用场景中，数据提供者需要对车主身份进行保护，此时，车主身份仍为敏感属性；数据使用者主要关心的是车辆违章，此时，车辆违章为重点关注属性。基于多维数据中的敏感属性和重点关注属性，对多维数据进行关联度分析和聚类分析。其中，关联度分析是一种简单、实用的分析技术，就是发现存在于大量数据集中的关联性或相关性，从而描述一个事物中某些属性同时出现的规律和模式的分析技术。聚类分析指将物理或抽象对象的集合分组为由类似的对象组成的多个类的分析技术。对多维数据进行关联度分析和聚类分析后，能够得到多维数据中各数据层次的隐私保护等级。需要说明的是，在本专利技术实施例中，将多维数据划分成了三个数据层次，分别为：数据层、属性层和数值层。参照表1对这三个数据层次进行说明：数据层为整张示意表，属性层为各列属性，数值层为各属性值。此时，多维数据中各数据层次的隐私保护等级包括：数据层的隐私保护等级、属性层的隐私保护等级和数值层的隐私保护等级。步骤103，基于所述多维数据中各数据层次的隐私保护等级，确定隐私保护算法的参数，并基于确定参数的隐私保护算法，对所述多维数据进行隐私保护。具体地，得到数据层的隐私保护等级、属性层的隐私保护等级和数值层的隐私保护等级后，根据这三个数据本文档来自技高网...

【技术保护点】
1.一种面向应用的隐私保护分级方法，其特征在于，包括：基于不同应用场景下差异化的隐私保护需求和数据效用需求，在多维数据中确定相应的敏感属性和重点关注属性；基于多维数据中的敏感属性和重点关注属性，对所述多维数据进行关联度分析和聚类分析，确定所述多维数据中各数据层次的隐私保护等级；其中，所述各数据层次包括：数据层、属性层和数值层；基于所述多维数据中各数据层次的隐私保护等级，确定隐私保护算法的参数，并基于确定参数后的隐私保护算法，对所述多维数据进行隐私保护。

【技术特征摘要】
1.一种面向应用的隐私保护分级方法，其特征在于，包括：基于不同应用场景下差异化的隐私保护需求和数据效用需求，在多维数据中确定相应的敏感属性和重点关注属性；基于多维数据中的敏感属性和重点关注属性，对所述多维数据进行关联度分析和聚类分析，确定所述多维数据中各数据层次的隐私保护等级；其中，所述各数据层次包括：数据层、属性层和数值层；基于所述多维数据中各数据层次的隐私保护等级，确定隐私保护算法的参数，并基于确定参数后的隐私保护算法，对所述多维数据进行隐私保护。2.根据权利要求1所述的隐私保护分级方法，其特征在于，基于多维数据中的敏感属性和重点关注属性，对所述多维数据进行关联度分析和聚类分析，确定所述多维数据中各数据层次的隐私保护等级，包括：在所述多维数据的所有属性中，将敏感属性和重点关注属性组成第一属性集合，并将剩余的属性组成第二属性集合；计算所述第二属性集合中每一属性与所述第一属性集合中每一属性间的关联度，组成关联度集合；基于所述关联度集合，确定所述多维数据中数据层的隐私保护等级和属性层的隐私保护等级；对所述多维数据进行聚类分析，确定所述多维数据中数值层的隐私保护等级。3.根据权利要求2所述的隐私保护分级方法，其特征在于，计算所述第二属性集合中每一属性与所述第一属性集合中每一属性间的关联度，组成关联度集合，包括：计算所述第二属性集合中每一属性与所述第一属性集合中每一属性间的互信息值；根据所述互信息值，确定所述第二属性集合中每一属性与所述第一属性集合中每一属性间的关联度，组成关联度集合。4.根据权利要求2所述的隐私保护分级方法，其特征在于，基于所述关联度集合，确定所述多维数据中数据层的隐私保护等级，包括：基于第一量化函数，根据所述关联度集合，计算所述数据层的隐私保护需求；基于预设的隐私评估模型，根据所述数据层的隐私保护需求，确定所述数据层的隐私保护等级。5.根据权利要求2所述的隐私保护分级方法，其特征在于，基于所述关联度集合，确定所述多维数据中属性层的隐私保护等级，包括：对于所述第二属...

【专利技术属性】
技术研发人员：罗涛，王艺宁，宋海娜，王寻，王楠，李剑峰，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：北京,11