[发明专利]基于本地化差分隐私的高维数据发布方法及相关设备

权利要求书

1.一种基于本地化差分隐私的高维数据发布方法，包括：

接收待处理数据；其中，所述待处理数据是由用户端对高维数据进行扰动后得到的，所述高维数据和所述待处理数据均包括多种属性；

分别计算所述待处理数据中不同属性的边缘概率和联合概率，包括：

(a)分别计算不同属性的初始概率作为先验概率，

(b)根据分别计算不同属性的条件概率其中，Ω_j为属性A_j的值域，为字符串，i为用户数，j为属性数，w_j为候选值，w_j～N(0，I)表示w_j服从标准正态分布，I表示标准差为1，N表示分布；

(c)枚举不同属性的组合并分别采用对应的所述条件概率计算所述联合概率；

(d)根据贝叶斯定理计算出与所述先验概率对应的后验概率；

(e)响应于根据所述先验概率和对应的所述后验概率计算得到的相对熵为0，所述后验概率即为不同属性的边缘概率；

响应于所述相对熵不为0，根据所述后验概率的均值计算得到新的先验概率；采用新的先验概率进行新的条件概率、新的联合概率和新的后验概率的计算，并根据新的先验概率和新的后验概率计算新的相对熵；重复上述过程直到所述相对熵为0，并输出这一轮计算中对应的所述边缘概率和所述联合概率；

根据所述边缘概率和所述联合概率计算不同所述属性间的互信息，根据所述互信息构建马尔可夫网，对所述马尔可夫网进行三角化处理，并根据所述马尔可夫网构建包括多个团的联合树；

分别计算每个所述团的分布，对所有所述团和对应的联合分布进行连接操作，以合成高维数据集。

2.根据权利要求1所述的发布方法，其中，所述待处理数据是将采用随机响应技术扰动所有字符串的结果聚合得到的；

所述字符串是所述用户端对所述高维数据的每个所述属性采用布隆过滤器转化得到的。

3.根据权利要求2所述的发布方法，其中，若所述高维数据是连续型数据，所述待处理数据是通过将所述高维数据归一化到[-1,1]区间，再对其进行扰动得到的；

所述接收待处理数据，具体包括：对所述待处理数据进行均值统计，以对其归一化还原。

4.根据权利要求1所述的发布方法，其中，所述根据所述边缘概率和所述联合概率计算不同属性的互信息，根据所述互信息构建马尔可夫网，并根据所述马尔可夫网构建包括多个团的联合树，包括：

分别计算两个不同属性间的互信息，

其中，i∈dom(a_m),j∈dom(a_n)，dom(a_m)，dom(a_n)分别表示所述属性a_m和a_n的值域，Pr(a_m＝i，a_n＝j)表示a_m和a_n的所述联合概率，与表示a_m和a_n的所述边缘概率。

5.根据权利要求4所述的发布方法，其中，所述根据所述边缘概率和所述联合概率计算不同属性的互信息，根据所述互信息构建马尔可夫网，对所述马尔可夫网进行三角化处理，并根据所述马尔可夫网构建包括多个团的联合树，还包括：

对所述马尔可夫网进行三角化，即对所述马尔可夫网内所有长度大于3的环引入弦得到包含有多个所述团的完全团图；

对所述完全团图按照所述属性的下标顺序进行顶点消除，得到所述联合树；其中，所有所述团被包括在团集中。

6.根据权利要求5所述的发布方法，其中，所述分别计算每个所述团的分布，对所有所述团和对应的联合分布进行迭代操作，以获得高维数据集，包括：

采用计算所述边缘概率和所述联合概率的方法计算得到每个所述团、所述团之间的分割顶点的边缘分布和每个所述团的联合分布；

从所述团集随机抽样获得所述团和对应的所述联合分布，利用Merge-join对所有所述团进行所述迭代操作，得到所述高维数据集。