[发明专利]一种基于差分隐私的地理分布式图计算方法及系统

权利要求书

1.一种基于差分隐私的地理分布式图计算方法，其特征在于，包括如下步骤：

基于差分隐私利用预设处理模型对地理分布式图进行图计算，按照预设指数分配机制对地理分布式图中每一轮迭代分配预算；

在数据中心中增加聚合器来收集需要发送向相邻数据中心的数据，并将其全部加起来加上本轮迭代对应的噪音，再平均划分后发送给相邻的数据中心；

各数据中心接收上一轮迭代后其他数据中心发送的数据，并更新顶点的有效值，并重复所述在数据中心中增加聚合器来收集需要发送向相邻数据中心的数据，并将其全部加起来加上本轮迭代对应的噪音，再平均划分后发送给相邻的数据中心的步骤，直至达到预设收敛条件，迭代结束；各个数据中心按照达到预设收敛条件的处理模型，进行地理分布式图之间的数据传输。

2.根据权利要求1所述的基于差分隐私的地理分布式图计算方法，其特征在于，在数据中心中增加聚合器来收集需要发送向相邻数据中心的数据的步骤之前，还包括：

在某轮迭代中丢弃所有顶点，按照预设重取样概率公式得到的概率对所有顶点进行重取样之后，取样成功的顶点将会分配给其应归属的聚合器。

3.根据权利要求2所述的基于差分隐私的地理分布式图计算方法，其特征在于，各个顶点有效值的获取方式包括：最短单源路径算法或PageRank算法；当通过最短单源路径算法获取时，各个顶点的有效值为最短路径长度；当通过PageRank算法获取时，各个顶点的有效值为rank值。

4.根据权利要求3所述的基于差分隐私的地理分布式图计算方法，其特征在于，预设重取样概率公式为：

式中，rank 代表本轮迭代中某个顶点的有效值；

n 表征顶点的初始有效值；

P为重取样概率。

5.根据权利要求1所述的基于差分隐私的地理分布式图计算方法，其特征在于，所述预设收敛条件包括：本轮迭代中各个数据中心有效值的平均值达到预设值、迭代次数等于预设最大迭代次数或本轮迭代中各个顶点有效值相对于上轮的有效值的变化值均小于预设值，中的至少一种。

6.根据权利要求5所述的基于差分隐私的地理分布式图计算方法，其特征在于，预设指数分配机制公式如下：

式中，i 代表当前轮的迭代次数；budget代表预先设定的总的预算；ε_i表示第i次迭代分配的隐私预算；

max 代表最大的迭代次数；代表修正系数，用于保证最终分配给每轮迭代的预算之和为预先设定的预算。

7.根据权利要求1-6任一所述的基于差分隐私的地理分布式图计算方法，其特征在于，所述预设处理模型为Pregel模型。

8.一种基于差分隐私的地理分布式图计算系统，其特征在于，包括：

每轮迭代预算分配模块，用于基于差分隐私利用预设处理模型对地理分布式图进行图计算，按照预设指数分配机制对地理分布式图中每轮迭代分配预算；

噪声添加模块，用于在数据中心中增加聚合器来收集需要发送向相邻数据中心的数据，并将其全部加起来加上本轮迭代对应的噪音，再平均划分后发送给相邻的数据中心，所述噪音通过该轮迭代分配的预算进行拉普拉斯机制转换得到；

迭代模块，用于各数据中心接收上一轮迭代后其他数据中心发送的数据，并更新顶点自身的有效值，并重复所述在数据中心中增加聚合器来收集需要发送向相邻数据中心的数据，并将其全部加起来加上本轮迭代对应的噪音，再平均划分后发送给相邻的数据中心的步骤，直至达到预设收敛条件，迭代结束；各个数据中心按照达到预设收敛条件的处理模型，进行地理分布式图之间的数据传输。

9.根据权利要求8所述的基于差分隐私的地理分布式图计算系统，其特征在于，还包括：

重采样模块，用于在某轮迭代中丢弃所有顶点，按照预设重取样概率公式得到的概率对所有顶点进行重取样之后，取样成功的顶点将会分配给其应归属的聚合器。