[发明专利]一种基于差分隐私发布的数据的可用性计算方法

权利要求书

1.一种基于差分隐私发布的数据的可用性计算方法，其特征在于：针对集合型数据和关系型数据分别提出了基于DiffPart的保护隐私的数据可用性计算方法和基于DiffGen的保护隐私的数据可用性计算方法，对可用性进行定义，分别给出度量两种方法的信息损失的可用性函数，通过发布者发布一些加密过的辅助数据集，其中使用在上构造的密码系统来加密所述辅助数据集，依次验证所述辅助数据集是否正确的包含了发布者的数据，利用所述辅助数据集计算出最终发布数据集的可用性。

2.如权利要求1所述的基于差分隐私发布的数据的可用性计算方法，其特征在于：

1)DiffPart发布的集合型数据的可用性定义

以I表示集合型数据所有项目的全集，发布数据为{<IS_i,f_i’>:ISi∈2^I}，其中IS_i和f_i’表示一个项目集和它的加噪声后的频度；集合型数据的可用性由计数查询的平均相对误差来度量，对于一个特定的项目集IS_i，数据集D上的一个计数查询定义为对于数据集D的计数查询的相对误差定义为

U(Q)=|Q(D~)-Q(D)|max{Q(D),s}]]>

其中，s是一个为了避免比较小的Q(D)的界；

度量发布数据T_r由于向频度加噪声导致的信息损失：

U(Tr)=1|Tr|Σi=1n(fi′+1-fi)2(fi′+1)2---(2)]]>

其中，T_r是最终的发布数据集，f_i，f_i'是第i条记录的原始计数和加噪声后的计数值，f_i'+1是为了避免分母为0因为噪声是可能为负的；

2)DiffGen发布的关系型数据的可用性

令T为原始关系型数据集，属性(A₁,A₂,…,A_p)，A_k(1≤k≤p)可能为数值型或者类别型的属性；

数值型属性对于记录t的一个数值型属性A_k，如果其具体值t.A_k泛化为区间[y_k,z_k]，其信息损失定义为

UG(t.Ak)=zk-yk|Ak|]]>

其中|Ak|=maxt∈T{t.Ak}-mint∈T{t.Ak};]]>

类别型属性类别型属性的泛化基于一棵固定的树；原始数据集中属性的值来自于该树的叶节点；对于t.A_k而言，如果其原始值被泛化到一个祖先节点u，信息损失定义为

UG(t.Ak)=size(u)|Ak|]]>

其中，|A_k|为A_k分类树的叶节点个数，size(u)为以u为根的子树的叶节点个数；

发布数据集T_r中任意一条记录t的信息损失定义为

UG(t)=Σk=1pωk·UG(t.Ak)]]>

其中，ω_k是属性A_k的权重；整个发布数据集T_r的信息损失定义为

UG(Tr)=1|Tr|Σt∈TrUG(t)---(3)]]>

令f_i，f_i'表示一条泛化记录r_i∈T_r的实际频度和干扰后的频度；实际频度可从原始数据集T中取得，度量这部分信息损失的可用性函数定义同式(2)。