【技术实现步骤摘要】
基于李雅普诺夫优化对无限数据流差分隐私保护的方法
本专利技术属于计算机隐私保护
，具体涉及基于李雅普诺夫优化对无限数据流差分隐私保护的方法。
技术介绍
随着信息技术的发展，特别是互联网、物联网、云计算等新技术的崛起，人类社会早已步入了信息爆炸时代。人们所接触到的信息不再是静态的，而是会随着时间动态增加或改变。例如智能穿戴设备一天二十四小时都在记录我们行走的步数等个人信息。发电厂为了合理规划产能，需要采集每个用户的用电信息并且进行记录。为了解决城市交通拥堵等问题，交通监管部门需要实时在线更新每个路口的车流量，以便选择更好的出行路线。但是这些信息都带着严重的个人标记，这些个人信息一旦泄露，将对财产甚至生命安全造成恶劣影响。差分隐私可以为数据集中的单个数据提供较强的隐私保护。针对随时间变化的无限数据流，差分隐私提供的最简单的方法是在每个时间节点上都加入噪声进行保护，但是误差会随时间逐渐累加，数据可用性降低。采样法可以有效的减少误差，即每隔相同的时间间隔进行一次采样，这样添加的噪声虽然得到了控制，可能会跳过一些剧烈变化时间节点，造成信息的丢失。现如今研究的重难点主要...
【技术保护点】
1.基于李雅普诺夫优化对无限数据流差分隐私保护的方法，其特征在于，包括以下步骤：步骤1，保护无限数据流，每隔一段时间发布一次数据，时间越长，发布的数据越多，主要的保护对象是数值型数据，且全局敏感度Δf＝1，将无线数据流建模为S＝(c(1),...,c(i‑1))，c(i)为在时间节点i上，数据的真实值,经算法运算后系统输出为O＝(o(1),...,o(i‑1))，o(i)为在时间节点i上，数据的真实值；确定非空输出：从输出值[o(1),...,o(i‑1)]中找出i之前时刻最后一个分配隐私保护预算进行扰动保护的非空输出ol；步骤2，计算差值：计算最后一个非空输出ol与当前i...
【技术特征摘要】
1.基于李雅普诺夫优化对无限数据流差分隐私保护的方法，其特征在于，包括以下步骤：步骤1，保护无限数据流，每隔一段时间发布一次数据，时间越长，发布的数据越多，主要的保护对象是数值型数据，且全局敏感度Δf＝1，将无线数据流建模为S＝(c(1),...,c(i-1))，c(i)为在时间节点i上，数据的真实值,经算法运算后系统输出为O＝(o(1),...,o(i-1))，o(i)为在时间节点i上，数据的真实值；确定非空输出：从输出值[o(1),...,o(i-1)]中找出i之前时刻最后一个分配隐私保护预算进行扰动保护的非空输出ol；步骤2，计算差值：计算最后一个非空输出ol与当前i时刻真实值c(i)的差值dis，使用绝对误差作为衡量差值的标准，即dis＝|ol-c(i)|；步骤3，对差值dis加入拉普拉斯噪声进行保护；步骤4，分配合适的隐私保护预算：结合滑动窗口平均隐私预算消耗的隐私保护模型和李雅普诺夫优化方法，进行合理的隐私预算分配，当数据变化较小时，不分配隐私保护预算，当数据变化较大时，分配隐私预算对当前值进行差分隐私保护；步骤5，判断数据的变化情况：根据数据变化趋势，选择替代或扰动操作，若数据变化较小，输出上一时刻的值进行替代操作，若数据变化较大，输出此刻真实值加入拉普拉斯噪声进行扰动操作。2.根据权利要求1所述的基于李雅普诺夫优化对无限数据流差分隐私保护的方法，其特征在于，步骤3的具体操作为：c(i)是当前时刻的真实值，ol是i之前时刻最后一个分配隐私保护预算进行扰动保护的非空输出，计算最后一个非空输出与当前i时刻真实值的差值dis，使用绝对误差作为衡量差值的标准，为了防止攻击者通过获取dis的具体值来推断相邻时刻的具体信息，针对窗口w中的每一个时间节点的dis分配εi,1＝εβ/w的隐私保护预算，这部分隐私保护预算是固定的，接着为dis加入值为λi,1＝w/εβ的拉普拉斯噪声，β是预算分配比例。3.根据权利要求1所述的基于李雅普诺夫优化对无限数据流差分隐私保护的方法，其特征在于，步骤4的具体操作为：在信息会实时发布的系统中，每隔一段时间，系统会发布新的数据，需要保护的数据是在不断增加的，面对不断增加的数据，采用滑动...
【专利技术属性】
技术研发人员：杨树森，王舒阳，惠永昌，
申请(专利权)人：江苏慧中数据科技有限公司，
类型：发明
国别省市：江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。