[发明专利]数据扰动方法、设备及存储介质

说明书

本发明公开了一种数据扰动方法、设备及存储介质，包括：确定数据集的范围，计算每个数据节点在所述数据集内的密度；预设密度阈值，根据所述密度阈值和所述数据节点的密度进行划分，以得到高密度节点和低密度节点；将所述高密度节点采用均值替代方法进行计算，得到第一随机扰动数据；将所述低密度节点采用增强加法数据扰动方法进行计算，得到第二随机扰动数据。本发明通过计算每一个数据节点再数据集内的密度，然后根据不同的密度进行划分成高密度节点和低密度节点，然后对于不同数据节点采用不同的扰动方法，一方面得到符合原始数据的扰动方法，另一方面能够保留原始数据性质。

技术领域

本发明涉及数据加密的技术领域，尤其是涉及一种数据扰动方法、设备及存储介质。

背景技术

随着网络和数据存储技术的快速发展，社会生产和生活中积累了大量的数据，其中数据挖掘主要为从海量数据中获取有价值的知识，但是数据进行挖掘也带来了“保护隐私”的问题，因此数据隐私成为网络时代安全的一个重要标志。其中，数据扰动是数据挖掘中隐私保护的方式之一。

目前，传统的数据扰动方法主要为独立噪音方法和相关噪音方法，其中独立噪音方法通过正态分布或均匀分布，直接生成与原始数据无关的扰动；通过加法结构直接添加到原始数据上，从而改变原始数据的值。相关噪声方法通过正态分布生成随机噪音，并通过原始数据的宏观统计性质和特征计算正态分布的相关参数，从而使生成的噪声能一定程度上符合原数据的特点；通过加法结构直接作用于原数据，从而改变原始数据的值并对其产生一定的扰动。但是独立噪音方法选择的扰动生成分布参数与原数据本身无关，生成的扰动与元数据耦合性差且无法根据实际需求改变扰动噪音。然而相关噪声方法选择的统计性质过于宏观，很难探查并表示原数据内部的结构以及不同特征之间关系，因此生成的随机扰动在一定程度上会有较大的偏差。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明实施例提出一种数据扰动方法，能够输出稳健性高的随机扰动数据，且与原始数据耦合性强。

本发明实施例还提出一种数据扰动设备。

本发明实施例还提出一种计算机存储介质。

第一方面，本发明的一个实施例提供了数据扰动方法，包括：

确定数据集的范围，计算每个数据节点在所述数据集内的密度；

预设密度阈值，根据所述密度阈值和所述数据节点的密度进行划分，以得到高密度节点和低密度节点；

将所述高密度节点采用均值替代方法进行计算，得到第一随机扰动数据；

将所述低密度节点采用增强加法数据扰动方法进行计算，得到第二随机扰动数据。

本发明实施例的数据扰动方法至少具有如下有益效果：通过计算每一个数据节点在数据集内的密度，然后根据不同的密度进行划分，形成高密度节点和低密度节点，然后对于不同数据节点采用不同的扰动方法，既能得到符合原始数据的扰动方法，又能够保留原始数据性质。

根据本发明的另一些实施例的数据扰动方法，所述数据集的范围采用K近邻算法确定。

根据本发明的另一些实施例的数据扰动方法，计算每个数据节点在所述数据集内的密度，具体包括：

计算所述数据集内任意两个所述数据节点之间的拓扑势；

计算该所述数据集的总拓扑势；

将所述拓扑势和所述总拓扑势进行计算，得到所述数据节点的拓扑熵；

根据所述拓扑熵计算出所述数据节点的密度；

将集合内的所述数据节点重复上述步骤，得到集合内所有所述数据节点的密度。