[发明专利]一种基于张量分解的数据流量隐私保护恢复方法及设备

说明书

本发明公开了一种基于张量分解的数据流量隐私保护恢复方法及设备。本发明实现了张量分解和差分隐私恢复张量技术的有效结合，一方面服务器接收来自用户端发送的三阶张量，将三阶张量分解成因子矩阵，对包含用户个人隐私的因子矩阵进行差分隐私保护处理，最后重构成新的三阶张量；另一方面服务器接收由用户端进行随机响应机制下的本地化差分隐私处理得到多个信息矩阵，将多个信息矩阵聚合成三阶矩阵，然后再进行张量分解和重构。本发明实现了张量分解和差分隐私恢复张量技术的有效结合，生成的三阶张量数据即满足隐私保护的要求，也一定程度上维持了数据可用性。

技术领域

本发明涉及数据流量隐私保护技术领域，特别涉及一种基于张量分解的数据流量隐私保护恢复方法及设备。

背景技术

网络流数据恢复是指通过提取网络流数据历史数据的特征，加以分析，来恢复出下一个时间点的流量数据。目前，物联网新型应用发展迅速，通过5G运输的网络流数据也逐渐增加，所以如何快速有效的恢复网络流数据是一个迫在眉睫的问题。

网络流数据是一个拥有很多参数的张量，包括用户的个人信息、地点、时间。恢复网络流数据一直是一个很棘手的问题，因为这样的数据拥有大量的参数，需要进行的计算量是十分巨大的。但是与此同时，还需要考虑的问题就是隐私保护。

由于差分隐私是一个较新出现的课题，关于该领域的研究尚不够透彻，目前主要侧重在隐私度数学公式的证明。目前大部分工作中心在如何解决恢复精度的问题上，但对于一些特定场所，如医院、酒店等地点。这些场所的用户可能更多的在隐私保护上有了一定的要求。

目前存在许多可供解决计算复杂问题的张量分解方法，但往往输入的数据涉及到了用户的隐私信息，例如推荐系统、医疗信息等。张量分解的方法比矩阵分解的恢复精度更好，但是同时隐私保护的难度也越大。因此还没有能够将张量分解的方法和差分隐私结合在一起的方案，能够同时保证数据的隐私度和效率。

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。为此，本发明提出一种基于张量分解的数据流量隐私保护恢复方法及设备，实现了张量分解和差分隐私保护的有效结合，生成的数据既满足隐私保护的要求，也一定程度上维持了数据可用性。

本发明的第一方面，提供了一种基于张量分解的数据流量隐私保护恢复方法，应用于可信的服务器，包括以下步骤：

获取用户端发送的第一信息，所述第一信息包括第一三阶张量或多个信息矩阵；

若所述第一信息包括第一三阶张量，则对获取的所述第一三阶张量进行张量分解，得到三个因子矩阵；若所述第一信息包括所述多个信息矩阵，则对所述多个信息矩阵进行聚合，并对聚合后的结果进行张量分解，得到三个因子矩阵；

对包含用户个人隐私的所述因子矩阵进行差分隐私保护处理；

对经过差分隐私保护处理后的所述因子矩阵和剩余所述因子矩阵进行重构，得到第二三阶张量。

根据本发明的实施例，至少具有如下技术效果：

目前的网络流数据张量恢复工作大多中心在提升计算速率问题上，虽然提出了许多有效的张量分解方法，但并没有针对数据中心的用户个人信息的泄露问题提出隐私保护的方法，所以本方法针对三阶网络流数据张量提出了一种可行的隐私保护方法包括：可信的第三方服务器接收到用户端发送的三阶张量或多个信息矩阵之后，首先将三阶张量(若第三方服务器接收到多个信息矩阵，则需要将多个信息矩阵聚合成三阶张量)进行张量分解，得到三个因子矩阵，然后对包含用户个人隐私的因子矩阵进行差分隐私保护处理，最后进行重构后恢复成新的网络流三阶张量。相较于现有的张量分解和张量恢复方案容易暴露用户隐私信息，本方法实现了张量分解和差分隐私恢复张量技术的有效结合，本方法对张量分解后得到的具有个人隐私的因子矩阵进行差分隐私处理，差分隐私处理添加合适的噪声后，进行重构成新的三阶张量，实现了对张量分解后的因子矩阵进行差分隐私，生成的数据满足隐私保护的要求，也一定程度上维持了数据可用性。