[发明专利]基于贝叶斯网络的差分隐私数据发布方法

说明书

本发明公开一种基于贝叶斯网络的差分隐私数据发布方法，首先计算原始数据的所有属性之间的互信息，并利用优化组合算法和BD评分函数选择父亲节点，来构建贝叶斯网络；然后采用指数机制加噪方法对构建的贝叶斯网络进行首次加噪，并采用拉普拉斯加噪方法对首次加噪后的贝叶斯网络进行再次加噪；最后对加噪后的贝叶斯网络进行采样，并形成最终发布的数据。本发明能够在保证隐私要求的同时保证数据的可用性，并有利于数据分析者做相关的分析。

技术领域

本发明涉及数据安全技术领域，具体涉及一种基于贝叶斯网络的差分隐私数据发布方法。

背景技术

随着互联网以及电子病历的大量普及和大数据技术的迅猛发展，以医疗数据为代表的高维数据的安全以及隐私性问题变得越来越重要，因为这些数据对病人来说是极其敏感的。同时，伴随着大量的医疗数据的电子化，人们将越来越多的关注集中到把这些医疗数据公开发布，并用于更合理的使用，例如医学研究、公共健康、政府管理以及一些其他相关的卫生保健服务。通常情况下，数据拥有者希望在不泄露隐私和敏感信息的情况下提供数据集。

当前，对于数据隐私保护采取的防护措施主要有泛化、匿名化处理或者差分隐私等。由于数据集中需要保护的隐私信息涉及多维敏感属性，常用的泛化和匿名处理技术会导致过多的信息损失；目前，最先进的解决方案是差分隐私，这种差分隐私模型提供了强大的隐私保护，即使面对拥有大量背景知识和推理能力的对手，它也是一个强大的模型。然而，由于医疗数据是高维数据，用现有的差分隐私技术发布数据仍然是一个具有挑战性的问题，而造成这些问题的原因有两个：

(1)输出的可扩展性。大多数算法显式或隐式地将数据库表示为大小等于域大小的向量x，即属性的基数的乘积。对于许多自然数据集，域的大小m比数据的大小n的数量级大。因此，现有的这些算法不适用于具有中等到高数量属性的任何实际数据集。例如，具有10个属性的一百万行表(其中每个属性具有20个可能的值)导致了域大小(一个输出的大小)为m＝20¹⁰≈10TB，这是可以以兆字节衡量的输入。

(2)信噪比。当高维数据库被表示为向量x时，由n/m给出的每个条目的平均计数通常是非常小的。一旦噪声被添加到x(或它的某些变换)以获得另一个向量x^*，噪声就完全支配了原始信号，使得已发布的向量x^*几乎没有用处。例如，如果上面的表的大小n＝1M，那么平均条目数是n/m＝10^-7。相比之下，为了实现例如参数ε＝0.1的差分隐私而注入的平均噪声大约有预期的10倍左右的幅度。即使数据在域空间中有偏差，即具有高计数的条目x[i]这样的高峰是不常见的，所以绝大多数公布的值x^*[i]是无用的。

发明内容

本发明所要解决的是现有差分隐私在对高维数据进行隐私发布时所存在的问题，提供一种基于贝叶斯网络的差分隐私数据发布方法。

为解决上述问题，本发明是通过以下技术方案实现的：

基于贝叶斯网络的差分隐私数据发布方法，包括步骤如下：

步骤1、计算原始数据的所有属性之间的互信息，并根据互信息确定每个节点的候选稀疏节点集；对每个稀疏候选节点集使用爬山算法搜索找到BD评分最高的模型，并对该模型进行优化处理后取得该稀疏候选节点集的最优解；利用所有候选稀疏节点集的最优解构建贝叶斯网络；

步骤2、采用指数机制加噪方法对步骤1所构建的贝叶斯网络进行首次加噪；

步骤3、采用拉普拉斯加噪方法对步骤2所得到的首次加噪后的贝叶斯网络进行再次加噪；

对步骤2所得到的贝叶斯网络中的敏感属性，直接对敏感属性进行加噪；