一种隐私增强型半盲数字指纹的数据隐私保护方法及检测方法技术

本发明专利技术公开了一种隐私增强型半盲数字指纹的数据隐私保护方法及检测方法，将差分隐私技术和数字指纹技术结合，将精心设计的噪声嵌入到数值型聚合数据集的特定位置，能够一步化实现对载体数据的指纹嵌入和噪声干扰操作，同时确保了对载体数据集中隐私信息的保护和对叛徒的追踪功能。叛徒的追踪功能。叛徒的追踪功能。

【技术实现步骤摘要】
一种隐私增强型半盲数字指纹的数据隐私保护方法及检测方法


[0001]本专利技术属于信息安全中数据隐私保护
，具体涉及一种隐私增强型半盲数字指纹的载体数据隐私保护方法。

技术介绍

[0002]访问控制和加密算法被认为是常用的防止数据在传输或交互过程中被未经授权的用户访问的主要方法，而如何防止授权用户在接收并解密数据后非法传播隐私数据也是一个值得关注的问题。越来越多的研究认识到叛徒追踪的重要性，其中数字指纹技术是将与用户相关的指纹信息嵌入到原始数字产品中，以达到追踪数据来源的目的，该技术在叛徒追踪领域中起着至关重要的作用。将用户指纹信息嵌入到图像、视频等载体数据中是数字指纹技术主要实现方式，然而在对数字指纹方案的研究中常常忽视了对载体数据的隐私保护，而这种现象在应对现如今复杂多变的网络交互环境显然是不够的。
[0003]目前现有的关注到载体数据的隐私保护问题的数字指纹研究方案中，大多是将隐私保护和叛逆追踪当作两个独立的研究分别进行实现的。即使在同一个系统模型中，两者也很少完全集成在一起。通常方案是在完成对数据的隐私保护功能后再添加跟踪模块，如使用数据消毒机制或k
‑
匿名技术来保护载体数据的隐私，再使用数字指纹技术来跟踪数据或者相关用户。
[0004]通过多种技术的叠加来依次解决多个对应的问题即没有创新性也会降低方案执行的效率。在应对现如今高速、实时的数据交互环境，分步骤，分阶段执行不同的技术以达到实现多个目标的方式已不再适用。此外，尽管随着大数据的发展及普及，传统的数字指纹技术也得到了进一步的发展，但是基于文本型的数字指纹识别方案仍然很少。最根本的原因是文本型的数据包含的冗余信息太少不利于指纹嵌入。大多数基于文本的数据指纹方案通过对属性或元组的值进行不同的注释来满足基本需求。但它们通常需要叠加复杂的加密算法，这大大降低了可用性和简单性。综上，以数字指纹技术为基础设计一种算法，使其能同时兼顾文本型数据载体的隐私保护和对叛徒的追踪功能是现有的研究所欠缺的。

技术实现思路

[0005]专利技术目的：为解决现有数字指纹算法无法同时兼顾文本型数据载体的隐私保护和对叛徒的追踪功能的问题以及缺乏基于文本型的数字指纹识别方案的问题，本专利技术提出了一种基于可追踪的隐私增强型半盲数字指纹的载体数据隐私保护方法以及一种在非法传播的数据集中检测相关用户的标识性信息的方法，以大型文本数值型聚合数据为指纹载体，在追踪非法传输数据对象的同时，实现对大型聚合数据的隐私保护。
[0006]技术方案：一种基于可追踪的隐私增强型半盲数字指纹的数据隐私保护方法，包括：
[0007]接收来自数据请求者的隐私保护请求，并获取待隐私保护的载体数据集和用户指
纹信息；
[0008]将载体数据集D划分为合适的k
×
k个数据块，得到聚合数据块集合D
k
×
k
；
[0009]将用户指纹信息编码成指纹坐标矩阵S
*
，再采用置换加密算法，将得到的指纹坐标矩阵S
*
进行置换加密，得到一个新的指纹坐标矩阵S
*
；
[0010]计算载体数据集D的差分隐私敏感度，并将差分隐私敏感度与差分隐私参数ε和δ结合，计算得到差分隐私高斯机制的方差σ的取值范围；通过将差分隐私高斯机制的方差σ的取值范围划分为k等份，并按照取值大小依次放入矩阵V中，得到矩阵V1×
k
，将矩阵V1×
k
中的每个标量依次代入差分隐私高斯机制中生成随机噪声块矩阵P；
[0011]按列提取新的指纹坐标矩阵S
*
，每一列的2个值分别用于定位聚合数据块集合D
k
×
k
中的需要嵌入随机噪声块的位置，在对应的位置嵌入随机噪声块，得到加噪数据集该加噪数据集中的元素为经隐私保护后的载体数据；
[0012]将加噪数据集反馈给数据请求者。
[0013]进一步的，所述的载体数据集D由文本数值型聚合数据构成。
[0014]进一步的，所述的将用户指纹信息编码成指纹坐标矩阵S
*
，具体包括：
[0015]将字符串形式的用户指纹信息s转换成十进制矩阵(S)
10
形式，再将十进制矩阵(S)
10
形式转换成二进制矩阵(S)2形式；
[0016]根据聚合数据块集合D
k
×
k
中数据块的数量，将二进制矩阵(S)2形式转换为具有相应基数k的矩阵(S)
k
形式；
[0017]将矩阵(S)
k
变换成一个2行m列的指纹坐标矩阵S
*
。
[0018]进一步的，所述的采用置换加密算法，将得到的指纹坐标矩阵S
*
进行置换加密，具体包括：
[0019]通过置换矩阵R得到的指纹坐标矩阵S
*
进行置换加密；所述置换矩阵R是根据自定义的置换密钥κ1中每个字母的序列计算得来的。
[0020]进一步的，所述的计算载体数据集D的差分隐私敏感度，包括：
[0021]根据式(1)计算得到载体数据集D的差分隐私敏感度Δ2f：
[0022]Δ2f＝max
D，D
′
||f(D)
‑
f(D
′
)||2ꢀꢀꢀ
(1)
[0023]式中，f是一个查询函数，D表示载体数据集，D
′
表示载体数据集D的兄弟数据集；D和D
′
之间只有一条数据不同；
[0024]所述的将差分隐私敏感度与差分隐私参数ε和δ结合，计算得到差分隐私高斯机制的方差σ的取值范围，包括：
[0025]根据式(2)，计算得到差分隐私高斯机制的方差σ的取值范围：
[0026][0027]式中，Δ2f为将差分隐私敏感度，ε和δ均为差分隐私参数。
[0028]本专利技术还公开了一种在非法传播的数据集中检测相关用户的标识性信息的方法，包括以下步骤：
[0029]按照数据隐私保护方法，对载体数据集进行隐私保护，得到相应的加噪数据集；所述数据隐私保护方法为一种基于可追踪的隐私增强型半盲数字指纹的数据隐私保护方法；
[0030]对聚合数据块集合D
k
×
k
中每个数据块进行哈希计算，得到哈希矩阵H；
[0031]获取待检测的载体数据集D
*
，将待检测的载体数据集D
*
按照与载体数据集D相同的分块方式划分为k
×
k个数据块，得到聚合数据块集合{D
*
}
k
×
k
；计算聚合数据块集合{D
*
}
k
×
k
中每个数据块的哈希值，得到对应的哈希矩阵H
*
；
...

【技术保护点】

【技术特征摘要】
1.一种隐私增强型半盲数字指纹的数据隐私保护方法，其特征在于：包括：接收来自数据请求者的隐私保护请求，并获取待隐私保护的载体数据集和用户指纹信息；将载体数据集D划分为合适的k
×
k个数据块，得到聚合数据块集合D
k
×
k
；将用户指纹信息编码成指纹坐标矩阵S
*
，再采用置换加密算法，将得到的指纹坐标矩阵S
*
进行置换加密，得到一个新的指纹坐标矩阵S
*
；计算载体数据集D的差分隐私敏感度，并将差分隐私敏感度与差分隐私参数ε和δ结合，计算得到差分隐私高斯机制的方差σ的取值范围；通过将差分隐私高斯机制的方差σ的取值范围划分为k等份，并按照取值大小依次放入矩阵V中，得到矩阵V1×
k
，将矩阵V1×
k
中的每个标量依次代入差分隐私高斯机制中生成随机噪声块矩阵P；按列提取新的指纹坐标矩阵S
*
，每一列的2个值分别用于定位聚合数据块集合D
k
×
k
中的需要嵌入随机噪声块的位置，在对应的位置嵌入随机噪声块，得到加噪数据集该加噪数据集中的元素为经隐私保护后的载体数据；将加噪数据集反馈给数据请求者。2.根据权利要求1所述的一种隐私增强型半盲数字指纹的数据隐私保护方法，其特征在于：所述的载体数据集D由文本数值型聚合数据构成。3.根据权利要求1所述的一种隐私增强型半盲数字指纹的数据隐私保护方法，其特征在于：所述的将用户指纹信息编码成指纹坐标矩阵S
*
，具体包括：将字符串形式的用户指纹信息s转换成十进制矩阵(S)
10
形式，再将十进制矩阵(S)
10
形式转换成二进制矩阵(S)2形式；根据聚合数据块集合D
k
×
k
中数据块的数量，将二进制矩阵(S)2形式转换为具有相应基数k的矩阵(S)
k
形式；将矩阵(S)
k
变换成一个2行m列的指纹坐标矩阵S
*
。4.根据权利要求1所述的一种隐私增强型半盲数字指纹的数据隐私保护方法，其特征在于：所述的采用置换加密算法，将得到的指纹坐标矩阵S
*
进行置换加密，具体包括：通过置换矩阵R得到的指纹坐标矩阵S
*
进行置换加密；所述置换矩阵R是根据自定义的置换密钥κ1中每个字母的序列计算得来的。5.根据权利要求1所述的一种隐私增强型半盲数字指纹的数据隐私保护方法，其特征在于：所述的计算载体数据集D的差分隐私敏感度，包括：根据式(1)计算得到载体数据集D的差分隐私敏感度Δ2f：Δ2f＝max
D，D
′
||f(D)
‑
f(D
′
)||2ꢀꢀꢀꢀ
(1)式中，f是一个查询函数，D表示载体数据集，D
′
表示载体数据集D的兄弟数据集；D和D
′
之间只有一条数据不同；所述的将差分隐私敏感度与差分隐私...

【专利技术属性】
技术研发人员：胡韵，张春玉，罗靖，江英华，王菽裕，
申请(专利权)人：西藏民族大学，
类型：发明
国别省市：