一种基于ULDP的Bloomfilter编码隐私保护强化方法技术

本发明专利技术通过网络安全领域的方法，实现了一种基于ULDP的Bloomfilter编码隐私保护强化方法。包括读取模块，用于读取不同医院的病人就诊个人识别信息数据，并进行标准化；编码模块，用于将所述个人识别信息编码使得患者信息不被暴露，生成格式统一的数据列标；输出模块，输出加密后的患者数据；所述编码模块采用Utility

【技术实现步骤摘要】
一种基于ULDP的Bloom filter编码隐私保护强化方法


[0001]本专利技术涉及信息安全
，尤其涉及一种基于ULDP的Bloom filter编码隐私保护强化方法。

技术介绍

[0002]目前针对Bloom filter编码的隐私保护强化方法有很多，比如Salting、Balancing、XOR
‑
folding、Rule 90、BLIP、WXOR、Re
‑
sampling XOR。这些方法中只有BLIP方法满足差分隐私的要求，XOR
‑
folding、Rule 90、WXOR、Re
‑
sampling XOR主要是使用XOR的性质来进行隐私保护的强化。
[0003]Salting是Niedermeyer等人提出的一种强化方法，通过在哈希前向每个qgram添加一个额外的字符串值，也叫盐值，来避免对Bloom filter的重新识别攻击，其中新添加的字符串值对于单个实体应该非常具体，并且不会随时间而改变。频繁出现的大多数q gram在加盐过后会变得不是很频繁，从而破坏基于频率的解密攻击的条件。Salting方法可以保护隐私，但是会存在不同数据集相同个体的Salting存在与不存在不一致的问题，从而导致匹配结果的下降。
[0004]Balancing方法：针对Bloom filter编码的攻击中，往往会使用Bloom filter的Hamming weight来进行排序，从而找到频繁的q gram或者Bloom filter中的某些位置。Balancing将每一个Bloom filter的Hamming weight都变为长度的一半来破坏该条件。其将原长度为l的Bloom filter每一位翻转，然后拼接到原Bloom filter后方来使最终的BF具有平衡的特性。平衡指Bloom filter的Hamming weight等于长度的一半。在拼接之后还会对长度为2l的Bloom filter进行打乱以进一步保护隐私。然而，平衡后的Bloom filter比原Bloom filter需要更多的空间。Balancing方法计算隐私保护强化的Bloom filter，b
H
的计算公式如下所示：b
H
＝shuffle(b+～b)其中b为原Bloom filter，～b表示Bloom filter每一位取反，shuffle()表示将Bloom filter打乱。Balancing方法可以保护隐私，但是对于基于模式挖掘的攻击方法并不能起作用。Balancing方法因为需要拼接登场的Bloom filter，所以会导致增加方法的空间复杂度。
[0005]XOR
‑
folding方法：Schnell和Borgs提出了一种使用向量折叠与逐位XOR(异或)操作相结合的方法，来提高Bloom filter的隐私保护效果。该方法首先将长度为l的Bloom filter分为长度相同的2份，即b1和b2，每部分长度为l/2，b1[i]＝b[i]，b2[i]＝b[i+l/2]，其中1≤i<l/2，隐私保护强化的Bloom Filter，b
H
计算如下所示：其中表示异或计算。因为异或操作的特性，攻击者无法判断原位置的真值，并且异或隐含了原Bloom Filter中置1位的信息，对密码分析攻击有较大的容忍度。XOR
‑
folding方法可以保护隐私，但是对于基于模式挖掘的攻击方法并不能起作用。并且XOR
‑
folding方法不满足差分隐私。
[0006]Rule 90方法：Wolfram的Rule 90是用于细胞自动机的规则，该规则使用每一位左右两位的值进行异或计算来生成该位的新值。Schnell和Borgs提出使用Rule 90作为Bloom filter编码的隐私保护强化技术，因为它与XOR
‑
folding一样，是一个不可逆的过程。隐私
保护强化后的Bloom filter，b
H
每一位的计算公式如下所示，其中1≤i<l，表示异或计算。当在计算第一位时，其左边没有值，这时候就会使用最后一位作为第一位左侧的值，同样计算最后一位时，需要第一位来作为最后一位右侧的值，所以式(2.6)需要使用mod。但Rule 90方法不满足差分隐私。
[0007]Bloom and Flip(BLIP)方法：Bloom and Flip(BLIP)根据Random Response(RR)机制随机翻转Bloom Filter中每一位的值。RR机制是差分隐私(Differential Privacy，DP)概念下的一个机制。BLIP方法类似于RAPPOR方法。对于Bloom filter b的每一位，假设其有p的概率翻转，在其翻转时，其有1/2的概率变为1，有1/2的概率变为0，该位不翻转的概率为1
‑
p。那么对于Bloom filter b的i位置对应隐私保护强化后的Bloom filter b
H
的计算可以得到如下的式子：其中0≤i<l。当p＝0.05时，如果l＝1000，意味着大约每一个Bloom filter会有50位翻转，大约有25位会变成与原值相反的值，剩下的值不会改变。Vaiwsri等人最近的工作研究了通过上述BLIP方法强化的Bloom filter数据集的匹配质量。这项工作发现，BLIP会降低匹配质量，尤其是随着翻转概率p的增加。在某些p设置下，召回率显著下降，导致几乎找不到真实匹配。Vaiwsri等人基于参考值改进了BLIP。他们的方法使用伪随机数发生器(PRNG)随机生成要随机化的比特位置序列。这种方法能够提高大多数BLIP参数设置的匹配质量，但是不能满足差分隐私。BLIP方法只有在隐私代价较大的情况下才能有较好的匹配效果，并且在相似度阈值较大的情况下召回率较低，在相似度阈值较小的情况下，准确率较低。
[0008]WXOR方法：Thilina Ranbaduge中提出的WXOR方法过程如图1所示。该方法着重于应用滑动窗口方法来强化Bloom filter。在这种方法中，有两个窗口大小为w的滑动窗口W1和W2沿着长度为l的Bloom filter迭代移动。在每次迭代中，窗口W1和W2每次移动1位。然后将这两个窗口按照每一位XOR的方式，计算出的一个新的值赋值给W1。重复这些步骤，直到处理整个Bloom filter生成新的强化的Bloom filter b
H
。但WXOR方法不满足差分隐私。
[0009]Re
‑
sampling XOR方法：Re
‑
sampling XOR是Thilina Ranbaduge提出的第二种强化方法。该方法首先初始化一个新的强化后的Bloom filter b
H
，对于强化后的b
H
的每一位i在原B本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于ULDP的Bloom filter编码隐私保护强化方法，其特征在于：包括读取模块，用于读取不同医院的病人就诊个人识别信息数据，并进行标准化；编码模块，用于将所述个人识别信息编码使得患者信息不被暴露，生成格式统一的数据列标；输出模块，输出加密后的患者数据；所述编码模块采用Utility
‑
optimized Bloomfilter Flip方法或Utility
‑
optimized Laplace noise Addition方法实现。2.如权利要求1所述的一种基于ULDP的Bloom filter编码隐私保护强化方法，其特征在于：所述Utility
‑
optimized Bloom filter Flip方法或Utility
‑
optimized Laplace noise Addition方法的具体方法为：记医院拥有的敏感数据集为Addition方法的具体方法为：记医院拥有的敏感数据集为由n条记录v组成，即通过编码得到的Bloom filter数据集为B，由n个的Bloom filter b组成，即B＝{b1，b2，...，b
n
}，B经过隐私保护强化方法生成Bloom filter数据集B
H
，B
H
由n个Bloom filter b
H
组成，即B
H
＝{b
H1
，b
H2
，...，b
Hn
}；b的长度为l，首先通过编码公共数据集，统计所有Bloom filter每位置1的频数，得到频数F，F＝{p
i
：f
i
}，0≤i≤l
‑
1，并按照频数从高到低的顺序排列，其中p
i
表示位置，f
i
表示每一位置1的频数，参与匹配的医院根据双方商定的敏感数据位所占的比例δ，将F的前δ位分为敏感数据位集合I
S
，I
S
＝{p
i
，0≤i＜δ
·
|F|}，|I
S
|＝δ
·
l，其余为非敏感数据位集合I
N
，I
N
＝{p
i
，δ
·
|F|≤i＜|F|}，由此将所有的输出B
′
划分为隐私保护集合B
P
′
和非隐私保护集合B
N
′
，对于b
′
∈B
P
′
，b
′
中属于I
N
的位置都没有置1，即b
′
＝{b
i
＝{0，1}，b
j
＝0|i∈I
S
，j∈I
N
}，否则b
′
属于B
N
′
，B分为B
P
和B
N
，对于b∈B
P
，b中属于IN的位置都没有置1，即b＝{b
i
＝{0，1}，b
j
＝0|i∈I
S
，j∈I
N
}，否则b属于B
N
。3.如权利要求2所述的一种基于ULDP的Bloom filter编码隐私保护强化方法，其特征在于：所述Utility
‑
optimized Bloomfilter Flip方法将b生成b
H
的所述隐私保护强化方法具体为：首先b通过机制得到b
′
，机制具体为：设定隐私保护程度计算以的概率将b映射为b
′
，其中，其中具体计算方式为：如果i∈I
S
，如果i∈I
N
，之后根据判断两个Bloom filter是否匹配的阈值s
t
增加WXOR或Re
‑
sampl...

【专利技术属性】
技术研发人员：马帅，岳文海，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：