[发明专利]基于差分隐私的噪声添加方法、装置、设备及介质

权利要求书

1.一种基于差分隐私的噪声添加方法，其特征在于，所述方法包括：

利用数据样本集对预构建的数据挖掘模型进行第一预测训练，直到所述第一预测训练满足第一预设条件时，退出所述第一预测训练，并得到所述数据挖掘模型在满足所述第一预设条件时输出的第一预测准确率；

根据所述第一预测准确率，设置所述数据挖掘模型的最低预测准确率；

利用差分隐私技术，设置含有不同取值的差分隐私预算ε集，并根据每一个所述差分隐私预算ε的取值，对所述数据样本集加入噪声，得到不同ε取值下的有噪声的数据样本集；

利用所述不同ε取值下的有噪声的数据样本集，分别对所述数据挖掘模型进行第二预测训练，直到所述第二预测训练满足第二预设条件时，退出所述第二预测训练，并得到所述数据挖掘模型在满足所述第二预设条件时输出的不同ε取值下的第二预测准确率，所述第二预设条件为所述第二预测训练次数阈值；

从所有所述不同ε取值下的第二预测准确率中选择不低于所述最低预测准确率的第二预测准确率，并从所有所述不低于所述最低预测准确率的第二预测准确率中，选择取值最小的ε对应的噪声作为目标噪声，并将所述目标噪声添加至所述数据样本集中。

2.如权利要求1所述的基于差分隐私的噪声添加方法，其特征在于，所述利用数据样本集对预构建的数据挖掘模型进行第一预测训练，直到所述第一预测训练满足第一预设条件时，退出所述第一预测训练，包括：

利用预构建的数据挖掘模型对所述数据样本集进行特征预测，得到所述数据样本集的特征集；

利用预构建的预测函数对所述特征集进行预测概率计算，得到所述数据样本集的第一预测结果；

根据所述数据样本集的真实结果及所述第一预测结果，计算得到所述数据样本集的第一预测准确率；

判断所述第一预测准确率是否满足第一预设条件；

若所述第一预测准确率不满足所述第一预设条件，则调整所述数据挖掘模型的参数，并返回上述的利用预构建的数据挖掘模型对所述数据样本集进行特征预测的步骤；

若所述第一预测准确率满足所述第一预设条件，则退出所述第一预测训练。

3.如权利要求1所述的基于差分隐私的噪声添加方法，其特征在于，所述根据每一个所述差分隐私预算ε的取值，对所述数据样本集加入噪声，得到不同ε取值下的有噪声的数据样本集，包括：

按照所述差分隐私预算ε的取值从小到大的顺序对所述差分隐私预算ε集排序；

根据所述排序依次在不同的差分隐私预算ε取值下，利用噪声算法对所述数据样本集加入噪声，得到不同ε取值下的含有噪声的数据样本集。

4.如权利要求3所述的基于差分隐私的噪声添加方法，其特征在于，所述利用所述不同ε取值下的有噪声的数据样本集，分别对所述数据挖掘模型进行第二预测训练，直到所述第二预测训练满足第二预设条件时，退出所述第二预测训练，包括：

选择其中一个ε取值下的有噪声的数据样本集；

利用所述数据挖掘模型对选择的所述有噪声的数据样本集进行特征预测，得到所述有噪声的数据样本集的特征集；

利用预构建的预测函数对所述特征集进行预测概率计算，得到所述有噪声的数据样本集的第二预测结果；

利用所述数据样本集的真实结果及所述第二预测结果，计算得到第二预测准确率；

判断所述第二预测训练的次数是否满足第二预设条件；

若所述第二预测训练的次数不满足所述第二预设条件，则调整所述数据挖掘模型的参数，并返回上述的利用所述数据挖掘模型对选择的所述有噪声的数据样本集进行特征预测的步骤；

若所述第二预测训练的次数满足所述第二预设条件，则返回上述的选择其中一个ε取值下的有噪声的数据样本集，直到所有ε取值下的有噪声的数据样本集都被选择完毕时，退出所述第二预测训练。