[发明专利]基于本地差分隐私的活动时序轨迹挖掘的方法

权利要求书

1.一种基于本地差分隐私的活动时序轨迹挖掘的方法，设有采集数据的客户端和本地客户端，其特征是该方法包括以下步骤：

步骤一：采集数据的客户端在本地将采用客户端算法的原始隐私数据加噪声，使之满足隐私保护预算参数为的本地差分隐私要求，原始隐私数据会存储在本地客户端，本地客户端会从数据记录集中随机选取一对具有前后时序关系的记录，然后将其转化为时序矩阵，随后加噪处理，具体包括如下步骤：

(一)首先需要设置以下参数的值，第一个参数为p0.5,该参数被称之为翻转概率，第二个参数为事件界定时间间隔dT,第三个参数为次序固定的事件数据记录集中元素个数m；

(二)随机从本地记录的事件集中选取一个元素e(Ti),并记录该事件发生的时间为Ti；

(三)随机从本地记录的事件集的[e(Ti),e(Ti+dT)]中选取另一个事件元素e(Tj)；

(四)将序列(e(Ti),e(Tj))转化为时序矩阵T，具体说明如下：

首先初始化一个m*m的矩阵，将Tij,即第i行第j列的元素置为1，即将Tij置为1，其它元素全部置为0，该矩阵即为时序矩阵，如下矩阵所示：

(五)采用随机应答的方法对时序矩阵进行加噪处理，即将每一位以概率p进行翻转，也就是0变1，1变0；

步骤二：服务端从客户端收集到数据后，利用服务端算法对数据进行解析，进而统计出用户活动时序轨迹，服务端收到客户端发来数据后，进行数据处理，包括如下步骤：

(一)初始化一个m*m的矩阵A,并将其元素全部设置为0；

(二)依次遍历n个时序矩阵，然后每次遍历一个矩阵时，然后对于矩阵中A的每个元素Aij，作如下的计算：

参数a＝1/(1-2p)；

(三)返回矩阵A，矩阵A的元素就是客户端总体上发生的每个事件元素时序对的统计期望，该期望等于原始矩阵的期望，即还原了客户端整体的用户行为统计情况。