[发明专利]一种具有一致性的分布式单维时序数据实时隐私保护发布方法

说明书

本发明公开了一种具有一致性的分布式单维时序数据实时隐私保护发布方法，属于隐私保护领域。该方法通过自适应采样策略调节采样频率，在采样时刻通过拉普拉斯机制对采样数据进行扰动，然后通过基于卡尔曼一致性滤波的单维感知信息校正策略，对各节点在采样时刻的发布数据进行分布式后验估计，而在非采样时刻，直接发布先验预测数据，最终实现一种不依赖中心服务器、具有差分隐私保证和一致性的分布式单维时序感知数据实时发布方法，并满足动态数据发布的实时性要求以及分布式数据发布的一致性需求。本发明在实际数据场景中有着较好的应用效果，可用于在智能电网分布式用电负载监测系统、疾病监测应用等分布式动态感知数据发布系统中。

技术领域

本发明属于隐私保护领域，具体涉及一种具有一致性的分布式单维时序数据实时隐私保护发布方法。

背景技术

随着物联网技术的快速发展以及硬件水平的不断提升，人们的生产生活越来越数字化、智能化和网络化，各种各样的智能设备充斥着人们的日常生活，并时刻感知与人们自身及周边环境息息相关的数据。对大量用户的感知数据进行汇聚、发布与挖掘分析，可以提供全方位的信息和知识，为人们提供更加专业化和个性化的服务。例如，对用户的浏览、购物记录以及图书影像评分等信息进行汇聚发布，可以用于制定更便民优惠的推荐方案；对智能手机采集的环境信息或位置轨迹进行汇聚发布，可以用于城市的数字化规划以及智能交通服务，等等。因此，无论对于商业组织、研究机构还是政府部门来说，这些感知汇聚数据的发布都具有巨大的应用价值。

然而，感知数据的汇聚与发布在为人们提供服务和便利的同时，也带来了前所未有的隐私忧患。这些数据中包含了大量的个人敏感信息，例如疾病信息、消费习惯、位置轨迹等，这些个人信息很可能随着数据的发布而泄露。并且，随着数据挖掘、机器学习等技术的高速发展，看似安全的数据也极有可能间接泄露隐私。有研究指出结合手机网络的流量信息、时间信息以及社交网络信息，可以对手机用户的身份进行关联识别；还有研究证明了通过多个非ID的属性信息进行关联分析，可以唯一地标识单个用户，即使删除个人标识信息(如姓名、ID等)也不足以保证隐私信息的安全。因此，感知数据发布应用中的隐私保护问题十分重要，不容忽视。

现有的隐私保护发布技术大多都是针对集中式感知数据汇聚系统，解决静态数据集的发布问题。而快速发展的物联网应用技术与日益严重的隐私泄露问题，对隐私保护发布技术提出了更高的要求。一方面，近年来数据挖掘在时序数据感知系统中的应用越来越普遍，如交通流量监测、实时财务分析、疫情监测以及智能电网用电负载监测等。这些应用通过对动态更新并发布的时序感知汇聚数据进行挖掘分析，可以提供实时的反馈结果，为当下提供最准确的信息。另一方面，随着物联网技术的不断发展，各类感知应用的系统规模和数据规模不断扩大，集中式的感知数据汇聚系统已经不能满足数据量巨大、信息高度共享的时代需求。因此，越来越多的应用采用分布式系统架构进行数据的汇聚与发布，其中也包括很多基于动态时序数据的感知应用。然而，在分布式动态时序感知数据发布的应用中，由于时序数据蕴含丰富的时间相关性，一旦被攻击者利用，可以挖掘出除数据本身以外更多的信息，导致更多的隐私被暴露。同时，分布式数据发布应用通常需要保证各个节点发布数据的协同与一致，因此不同节点之间需要进行通信、数据共享等操作，而这些频繁复杂的操作可能会给攻击者带来更多的攻击机会，进一步加重了隐私暴露的威胁。因此，分布式动态时序感知数据发布应用中的隐私保护问题更为严峻和紧迫。

发明内容

针对分布式时序感知数据的隐私保护发布问题，现有相关研究无法在提高连续发布数据效用性的同时，有效解决分布式数据动态发布过程中的一致性需求。因此，本发明的目的是针对应用最普遍的单维有限时序感知数据的发布，提供了一种具有一致性的分布式单维时序数据实时隐私保护发布方法。该方法在去中心化的分布式感知系统中实现了隐私数据发布的实时性、高效用性与一致性。可用于在智能电网分布式用电负载监测系统、疾病监测应用等分布式动态感知数据发布系统中。

为达到上述目的，本发明采用如下技术方案来实现的：